重命名具有相似字符串的列 - Pandas答案

【问题标题】：Rename columns with similar strings - Pandas重命名具有相似字符串的列 - Pandas
【发布时间】：2020-06-07 16:25:39
【问题描述】：

我有一个 pandas df，其中包含前两列代表其他列的位置。但是，具体的字符串会根据输入数据而变化。所以我想使用字符串并替换为其他列。

使用下面的 df，我们有相似的 col 名称。

df = pd.DataFrame({ 
        'Foo_somestring' : ['X','X','X'],  
        'Bar bar_somestring' : ['X','X','X'],                               
        'GroupA_somestring' : ['X','X','X'],                   
        'GroupB_somestring' : ['X','X','X'],  
        'GroupA_some_other_string' : ['X','X','X'],                   
        'GroupB_some_other_string' : ['X','X','X'],  
                })

预期输出：

df = pd.DataFrame({ 
        'Foo_somestring' : ['X','X','X'],  
        'Bar bar_somestring' : ['X','X','X'],                               
        'Foo_somestring' : ['X','X','X'],                   
        'Bar bar_somestring' : ['X','X','X'],  
        'Foo_some_other_string' : ['X','X','X'],                   
        'Bar bar_some_other_string' : ['X','X','X'],  
                })

我不能在这里使用df.rename，因为foo 和bar 将是可变的，因为它们会根据输入数据集而变化。例如，前两个 col 值可以是 Dog 和 Cat。

我必须手动确定col values，然后替换。如果我必须多次完成该过程，这将变得低效。

所以我需要一些不是硬编码但需要前两个 col values 的东西。

【问题讨论】：

您的输入和输出列名称令人困惑。请简化。
我的回答能回答你的问题吗？你可以试试它的一些变种。

标签： python pandas rename

【解决方案1】：

你试过了吗：

groups={'GroupA':df.columns[0].split('_')[0],'GroupB':df.columns[1].split('_')[0]}
for group in groups:
    df.columns=df.columns.str.replace(group, groups[group])

【讨论】：

干杯。谢谢@Sameeresque

【解决方案2】：

不确定是否要使用字典替换，但看看这是否可行 -

import re
df = pd.DataFrame({ 
        'Foo_somestring' : ['X','X','X'],  
        'Bar bar_somestring' : ['X','X','X'],                               
        'GroupA_somestring' : ['X','X','X'],                   
        'GroupB_somestring' : ['X','X','X'],  
        'GroupA_some_other_string' : ['X','X','X'],                   
        'GroupB_some_other_string' : ['X','X','X'],  
                })
rename_dict={'GroupA':'Foo', 'GroupB':'Bar bar'}
new_col= [re.sub('|'.join(rename_dict.keys()), lambda x: rename_dict[x.group()], i) for i in df.columns.to_list()]
df.columns = new_col

【讨论】：