为什么选择列的“重命名”不能与 lambda 函数一起使用？

Question

我想使用 rename 使用 lambda 函数重命名列的选定部分

import pandas as pd


df = pd.DataFrame({'pre_col1': [1, 2],
                   'pre_col2': [3, 4],
                   'pre_col3': [ 3,  29],
                   'pre_col4': [94, 170],
                   'pre_col5': [31, 115]})

# This works but it renames all of them
# df.rename(columns=lambda x: x.replace('pre_', ''))

# I'm only wanting to edit and rename a selection
df.iloc[:, 2:5] = (df.iloc[:, 2:5]
                     .rename(columns=lambda x: x.replace('pre_', '')))

print(df)

这会产生

   pre_col1  pre_col2  pre_col3  pre_col4  pre_col5
0       1.0       3.0       NaN       NaN       NaN
1       2.0       4.0       NaN       NaN       NaN

我知道重命名列的方法有很多。我读过here、here 和here。

但为什么这种方式不起作用？为什么它会填满我试图用NaNs 更改的列？？

Answer 1

此答案旨在提示 OP 的问题“为什么这种方式不起作用？”而不是提供 OP 已经从其他帖子中获得的替代可行解决方案。

rename 部分使df.iloc[:, 2:5].rename(columns=lambda x: x.replace('pre_', '')) 作为一个整体产生了一个副本而不是一个视图。从pandas用户指南here可以看出，有一句话说明：

rename() 方法还提供了一个就地命名参数，即 默认为 False 并复制基础数据。将 inplace=True 传递给 原地重命名数据。

DataFrame.rename 的 pandas API 参考也指出：

返回：DataFrame 或 None ~~~带有重命名轴标签的 DataFrame，如果 inplace=True，则返回 None。

rename（没有 inplace=True）返回一个副本而不是一个视图这一事实可以验证如下：

df.iloc[:, 2:5].rename(columns=lambda x: x.replace('pre_', ''))._is_view

Output:  False

虽然没有重命名部分：

df.iloc[:, 2:5]._is_view

Output:  True

因此，您的代码仅重命名了副本而没有触及原始 df。

让我们再举一个例子：

    data = pd.DataFrame(np.arange(9).reshape((3, 3)), index=['apple', 'orange', 'pear'], columns=['one', 'two', 'three'])

    data.rename(index=str.title, columns=str.upper)
    Output:

          ONE   TWO THREE
    Apple   0     1     2
    Orange  3     4     5
    Pear    6     7     8


    data                            # not changed after rename()
    Output:

             one    two three
    apple      0      1     2
    orange     3      4     5
    pear       6      7     8

奇怪的是，在我在重命名代码之后打印 df 本身的试运行中，df 显示的是原始值，而不是最后 3 列替换为 NaN。你可以重新运行你的代码来看看。

Answer 2

1. 因为索引的不变性。 2) 正如@SeaBean 所建议的，这些更改也发生在数据帧的副本中（可能是因为 1）），这些只是在副本中。

选项 1) 更改列名。

import pandas as pd
df = pd.DataFrame({'pre_col1': [1, 2],
                   'pre_col2': [3, 4],
                   'pre_col3': [ 3,  29],
                   'pre_col4': [94, 170],
                   'pre_col5': [31, 115]})
columns_to_modify = df.columns.tolist()[ 2:5]
columns_rename = {}
for i in columns_to_modify:
    columns_rename[i] =  i.replace('pre_', '')

df.rename(columns=columns_rename,inplace = True)
print(df)
   pre_col1  pre_col2  col3  col4  col5
0         1         3     3    94    31
1         2         4    29   170   115

选项 2) 更改列名。

import pandas as pd
df = pd.DataFrame({'pre_col1': [1, 2],
                   'pre_col2': [3, 4],
                   'pre_col3': [ 3,  29],
                   'pre_col4': [94, 170],
                   'pre_col5': [31, 115]})
df.columns.values[2:5] = list(map(lambda x: x.replace('pre_', '') ,df.columns.tolist()[2:5]))
df
   pre_col1  pre_col2  col3  col4  col5
0         1         3     3    94    31
1         2         4    29   170   115

我认为，df.iloc[:, 2:5] = df.iloc[:, 2:5].rename(columns=lambda x: x.replace('pre_', '')) 最初的困难可能是由于数据帧中索引的不变性，如下所示：

1. Pandas TypeError: Index does not support mutable operations
2. Regarding the immutability of pandas dataframe indexes
3. Pandas: Change a specific column name in dataframe having multilevel columns 从这些看来，数据帧索引是不可变的，因此它们是同时设置的，并故意保持这种状态。 有趣的是，索引似乎是不可变的，但是您可以像在第二个选项中那样更改值。

Answer 3

在 lambda 函数中，您可以使用 if/else 概念重命名列：

df.rename(columns=lambda x: x.split("_")[-1]
                            if int(x[-1]) in range(3, 6) 
                            else x)

    pre_col1    pre_col2    col3    col4    col5
0         1           3       3       94    31
1         2           4       29      170   115

坚持您的代码，if/else 概念有效：

df.rename(columns=lambda x: x.replace("pre_", "") 
                            if int(x[-1]) in range(3, 6) 
                            else x)

您可以简单地重新分配给旧数据框：

df = df.rename(columns=lambda x: x.replace("pre_", "") 
                                if int(x[-1]) in range(3, 6) 
                                else x)