重命名列时如何为列表理解添加逻辑？答案

【问题标题】：How to add logic to list comprehension when renaming columns?重命名列时如何为列表理解添加逻辑？
【发布时间】：2021-08-27 15:00:15
【问题描述】：

我有字典，我用它来重命名数据框中的列，如下所示：

column_names = {name1:rename1, name2:rename2}
new_df = df[[k for k in column_names.keys()]]
new_df.rename(columns=columns_dict, inplace=True)

当一个新字段出现在字典中时，我在代码的这一行收到此错误：

code: new_df = df[[k for k in column_names.keys()]]
issue: KeyError: "['new_col'] not in index"

如何在重命名值时为列表理解创建一个灵活的解决方案，如果 df 或字典中存在新值，则包含该列并将其分配为零值？

我尝试创建一些尝试捕获，但我不确定在此之后如何继续：

        try:
           new_df = df[[k for k in column_names.keys()]]
           new_df.rename(columns=columns_dict, inplace=True)
        except:
           #assign the failed column back to original df (named df) and assign value 
           #of zero
           #rerun all steps in try block.

【问题讨论】：

标签： python python-3.x pandas dictionary

【解决方案1】：

尝试更改这行代码

new_df = df[[k for k in column_names.keys() if k in df.columns]]

【讨论】：

【解决方案2】：

IIUC，您可以将column_names 分为两部分：同样在df 列中的条目以及其他。然后用第一部分索引和重命名，用第二部分赋值：

# get the non-existent ones
to_assign = column_names.keys() - df.columns

# drop them
[column_names.pop(key) for key in to_assign]

# subset the `df` with what remained
ndf = df[column_names.keys()]

# rename them
ndf = ndf.rename(columns=column_names)

# assign the other ones (with zeros)
ndf = ndf.assign(**dict.fromkeys(to_assign, 0))

例如，

In []: df
Out[]:

   L_1  D_1  L_2   D_2
0  1.0    7  NaN   NaN
1  1.0   12  1-1  play
2  NaN   -1  1-1  play
3  1.0    9  1-1  play

In []: column_names = {"L_1": "M_1", "L_4": "Z_5", "D_1": "E_1"}

In []: ndf = above_operations...

In []: ndf
Out[]:

   M_1  E_1  L_4
0  1.0    7    0
1  1.0   12    0
2  NaN   -1    0
3  1.0    9    0

【讨论】：