Eu tenho um quadro de dados chamado data. Como renomearia o único cabeçalho de coluna? Por exemplo gdppara log(gdp)?

data =
    y  gdp  cap
0   1    2    5
1   2    3    9
2   8    7    2
3   3    4    7
4   6    7    7
5   4    8    3
6   8    2    8
7   9    9   10
8   6    6    4
9  10   10    7

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

O renameprograma que aceita um ditado como um parâmetro para columnsvocê passar um ditado com uma única entrada.

Veja também relacionados

Uma implementação muito mais rápida seria usar list-comprehensionse você precisar renomear uma única coluna.

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

Se surgir a necessidade de renomear várias colunas, use expressões condicionais como:

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

Ou, construa um mapeamento usando ae dictionaryexecute a operação list-comprehensionit getits definindo o valor padrão como o nome antigo:

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]

Horários:

%%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

Como renomear uma coluna específica nos pandas?

Da v0.24 +, para renomear uma (ou mais) colunas por vez,

• DataFrame.rename()com axis=1ou axis='columns'(o axisargumento foi introduzido em v0.21.

• Index.str.replace() para substituição baseada em string / regex.

Se você precisar renomear TODAS as colunas de uma só vez,

• DataFrame.set_axis()método com axis=1. Passe uma sequência tipo lista. As opções também estão disponíveis para modificação no local.

rename com 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

Com 0,21+, agora você pode especificar um axisparâmetro com rename:

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

(Observe que renamenão está no local por padrão, você precisará atribuir o resultado novamente .)

Essa adição foi feita para melhorar a consistência com o restante da API. O novo axisargumento é análogo ao columnsparâmetro - eles fazem a mesma coisa.

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 também aceita um retorno de chamada chamado uma vez para cada coluna.

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

Para esse cenário específico, você deseja usar

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

Index.str.replace

Semelhante ao replacemétodo de seqüências de caracteres em python, o pandas Index and Series (apenas no tipo de objeto) define um str.replacemétodo ("vetorizado") para a substituição baseada em expressões e regex.

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

A vantagem disso sobre os outros métodos é que str.replacesuporta regex (ativado por padrão). Veja os documentos para mais informações.

Passando uma lista para set_axiscomaxis=1

Ligue set_axiscom uma lista de cabeçalho (s). A lista deve ter comprimento igual ao tamanho das colunas / índice. set_axismodifica o DataFrame original por padrão, mas você pode especificar inplace=Falsepara retornar uma cópia modificada.

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

Nota: Em versões futuras, inplaceo padrão será True.

Encadeamento de métodos
Por que escolher set_axisquando já temos uma maneira eficiente de atribuir colunas df.columns = ...? Conforme mostrado por Ted Petrou em [esta resposta], ( https://stackoverflow.com/a/46912050/4909087 ) set_axisé útil ao tentar encadear métodos.

Comparar

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

Versus

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

O primeiro é uma sintaxe mais natural e de fluxo livre.

Existem pelo menos cinco maneiras diferentes de renomear colunas específicas nos pandas, e eu as listei abaixo, juntamente com links para as respostas originais. Também cronometrei esses métodos e achei que eles tinham o mesmo desempenho (apesar do YMMV, dependendo do seu conjunto de dados e cenário). O caso de teste abaixo é renomear colunas A M N Zpara A2 M2 N2 Z2em um dataframe com colunas Apara Zconter um milhão de linhas.

# 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))

Resultado:

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

Use o método mais intuitivo para você e mais fácil de implementar em seu aplicativo.