data.rename(columns={'gdp':'log(gdp)'}, inplace=True)

重命名表明它接受dict作为列的参数，因此您只需传递一个带有单个条目的dict。

另见相关

如果需要重命名单个列，则使用list-comprehension是一种更快的实现。

df.columns = ['log(gdp)' if x=='gdp' else x for x in df.columns]

如果需要重命名多个列，可以使用如下条件表达式:

df.columns = ['log(gdp)' if x=='gdp' else 'cap_mod' if x=='cap' else x for x in df.columns]

或者，使用字典构造一个映射，并通过将默认值设置为旧名称来执行它的get操作的list-comprehension:

col_dict = {'gdp': 'log(gdp)', 'cap': 'cap_mod'}   ## key→old name, value→new name

df.columns = [col_dict.get(x, x) for x in df.columns]

计时:

%%timeit
df.rename(columns={'gdp':'log(gdp)'}, inplace=True)
10000 loops, best of 3: 168 µs per loop

%%timeit
df.columns = ['log(gdp)' if x=='gdp' else x for x in df.columns]
10000 loops, best of 3: 58.5 µs per loop

如何重命名熊猫中的特定列?

从v0.24+开始，要一次重命名一个(或多个)列，

带有axis=1或axis='columns'的datafframe .rename() (axis参数是在v0.21中引入的。 Index.str.replace()用于基于字符串/正则表达式的替换。

如果您需要一次重命名所有列，

DataFrame.set_axis()方法，axis=1。传递一个类似列表的序列。也可以进行就地修改。

---

重命名为axis=1

df = pd.DataFrame('x', columns=['y', 'gdp', 'cap'], index=range(5))
df

   y gdp cap
0  x   x   x
1  x   x   x
2  x   x   x
3  x   x   x
4  x   x   x

使用0.21+，你现在可以用rename指定一个轴参数:

df.rename({'gdp':'log(gdp)'}, axis=1)
# df.rename({'gdp':'log(gdp)'}, axis='columns')
    
   y log(gdp) cap
0  x        x   x
1  x        x   x
2  x        x   x
3  x        x   x
4  x        x   x

(注意，在默认情况下，rename没有到位，因此需要将结果赋值回去。)

这样做是为了提高与API其余部分的一致性。new axis参数类似于columns参数——它们做同样的事情。

df.rename(columns={'gdp': 'log(gdp)'})

   y log(gdp) cap
0  x        x   x
1  x        x   x
2  x        x   x
3  x        x   x
4  x        x   x

Rename还接受为每列调用一次的回调。

df.rename(lambda x: x[0], axis=1)
# df.rename(lambda x: x[0], axis='columns')

   y  g  c
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x

对于这个特定的场景，您可能希望使用

df.rename(lambda x: 'log(gdp)' if x == 'gdp' else x, axis=1)

---

Index.str.replace

类似于python中的字符串替换方法，pandas Index和Series(仅对象dtype)为字符串和基于正则表达式的替换定义了一个(“向量化的”)str.replace方法。

df.columns = df.columns.str.replace('gdp', 'log(gdp)')
df
 
   y log(gdp) cap
0  x        x   x
1  x        x   x
2  x        x   x
3  x        x   x
4  x        x   x

与其他方法相比，此方法的优点是str.replace支持regex(默认启用)。更多信息请参见文档。

---

向set_axis传递一个axis=1的列表

用一个头列表调用set_axis。列表的长度必须等于列/索引的大小。set_axis默认情况下会改变原始的DataFrame，但您可以指定inplace=False以返回修改后的副本。

df.set_axis(['cap', 'log(gdp)', 'y'], axis=1, inplace=False)
# df.set_axis(['cap', 'log(gdp)', 'y'], axis='columns', inplace=False)

  cap log(gdp)  y
0   x        x  x
1   x        x  x
2   x        x  x
3   x        x  x
4   x        x  x

注意:在以后的版本中，inplace将默认为True。

方法链接 当我们已经有了df分配列的有效方法时，为什么还要选择set_axis。列=…?正如Ted Petrou在回答中所示，set_axis在尝试链接方法时非常有用。

比较

# new for pandas 0.21+
df.some_method1()
  .some_method2()
  .set_axis()
  .some_method3()

与

# old way
df1 = df.some_method1()
        .some_method2()
df1.columns = columns
df1.some_method3()

前者是更自然和自由流动的语法。

至少有五种不同的方法来重命名pandas中的特定列，我在下面列出了它们以及原始答案的链接。我还对这些方法进行了计时，发现它们的执行情况大致相同(不过YMMV取决于您的数据集和场景)。下面的测试用例是将数据框架中的列A M N Z重命名为A2 M2 N2 Z2，其中列A到Z包含一百万行。

# Import required modules
import numpy as np
import pandas as pd
import timeit

# Create sample data
df = pd.DataFrame(np.random.randint(0,9999,size=(1000000, 26)), columns=list('ABCDEFGHIJKLMNOPQRSTUVWXYZ'))

# Standard way - https://stackoverflow.com/a/19758398/452587
def method_1():
    df_renamed = df.rename(columns={'A': 'A2', 'M': 'M2', 'N': 'N2', 'Z': 'Z2'})

# Lambda function - https://stackoverflow.com/a/16770353/452587
def method_2():
    df_renamed = df.rename(columns=lambda x: x + '2' if x in ['A', 'M', 'N', 'Z'] else x)

# Mapping function - https://stackoverflow.com/a/19758398/452587
def rename_some(x):
    if x=='A' or x=='M' or x=='N' or x=='Z':
        return x + '2'
    return x
def method_3():
    df_renamed = df.rename(columns=rename_some)

# Dictionary comprehension - https://stackoverflow.com/a/58143182/452587
def method_4():
    df_renamed = df.rename(columns={col: col + '2' for col in df.columns[
        np.asarray([i for i, col in enumerate(df.columns) if 'A' in col or 'M' in col or 'N' in col or 'Z' in col])
    ]})

# Dictionary comprehension - https://stackoverflow.com/a/38101084/452587
def method_5():
    df_renamed = df.rename(columns=dict(zip(df[['A', 'M', 'N', 'Z']], ['A2', 'M2', 'N2', 'Z2'])))

print('Method 1:', timeit.timeit(method_1, number=10))
print('Method 2:', timeit.timeit(method_2, number=10))
print('Method 3:', timeit.timeit(method_3, number=10))
print('Method 4:', timeit.timeit(method_4, number=10))
print('Method 5:', timeit.timeit(method_5, number=10))

输出:

Method 1: 3.650640267
Method 2: 3.163998427
Method 3: 2.998530871
Method 4: 2.9918436889999995
Method 5: 3.2436501520000007

使用对您来说最直观、最容易在应用程序中实现的方法。

使用pandas.DataFrame.rename函数。 检查这个链接的描述。

data.rename(columns = {'gdp': 'log(gdp)'}, inplace = True)

如果您打算重命名多个列，那么

data.rename(columns = {'gdp': 'log(gdp)', 'cap': 'log(cap)', ..}, inplace = True)

df.rename(columns=lambda x: {"My_sample": "My_sample_new_name"}.get(x, x))

Ewe可以重命名表

df = pd.DataFrame()
column_names = mydataframe.columns
for i in range(len(mydataframe)):
  column = mydataframe.iloc[:,i]
  df[column_names[i][:-8]+"desigred_texnt"] = column
print(df.columns)