解释 Pandas 列引用语法答案

【问题标题】：Intepreting Pandas Column Referencing Syntax解释 Pandas 列引用语法
【发布时间】：2020-04-14 00:00:33
【问题描述】：

我有使用 R 进行数据处理的基本背景，但我是 Python 新手。我从 Coursera 上的教程中发现了这段代码 sn-p。

有人可以向我解释一下 columns ={col:'Gold' + col[4:]}, inplace = True 是什么意思吗？

(1)据我了解，df.rename是将已有的列名重命名为（第一行的情况下为Gold），但是为什么后面还要加上+col[4:]呢？

(2) 声明函数inplace为True是否意味着将得到的df输出分配给原始df？

import pandas as pd

df = pd.read_csv('olympics.csv', index_col=0, skiprows=1)

for col in df.columns:
    if col[:2]=='01':
        df.rename(columns={col:'Gold'+col[4:]}, inplace=True)
    if col[:2]=='02':
        df.rename(columns={col:'Silver'+col[4:]}, inplace=True)
    if col[:2]=='03':
        df.rename(columns={col:'Bronze'+col[4:]}, inplace=True)
    if col[:1]=='№':
        df.rename(columns={col:'#'+col[1:]}, inplace=True)

提前谢谢你。

【问题讨论】：

似乎 'Gold'+col[4:] 将是新名称。指定原始列名将有助于回答您的问题。
@rohit-biswas 原来的列名是 01 ! 在它被替换为“Gold”之前

标签： python pandas

【解决方案1】：

意思是：

#for each column name
for col in df.columns:
    #check first 2 chars for 01
    if col[:2]=='01':
        #replace column name with text gold and all characters after 4th letter
        df.rename(columns={col:'Gold'+col[4:]}, inplace=True)
    #similar like above
    if col[:2]=='02':
        df.rename(columns={col:'Silver'+col[4:]}, inplace=True)
    #similar like above
    if col[:2]=='03':
        df.rename(columns={col:'Bronze'+col[4:]}, inplace=True)
    #check first letter
    if col[:1]=='№':
        #add # after first letter
        df.rename(columns={col:'#'+col[1:]}, inplace=True)

将函数就地声明为 True 是否意味着将结果 df 输出分配给原始数据帧

是的，你是对的。它替换就地列名。

【讨论】：

@Rosellx - 现在明白了吗？还是有必要解释更多？
是的，现在了解inplace的目的，但是如果我在重命名数据框的列时不声明就地，这意味着什么？
@Rosellx - 然后使用 df = df.rename(columns={col:'Silver'+col[4:]}) - 只需将值重新赋值
这意味着 df = df.rename(columns={col:'Silver'+col[4:]}) 将只是对列的临时重命名？换句话说，inplace=False 会保留数据框的原始列名，对吧？
@Rosellx - 它可以替代没有inplace的代码

【解决方案2】：

if col[:2]=='01':
        #replace column name with text gold and all characters after 4th letter
        df.rename(columns={col:'Gold'+col[4:]}, inplace=True)

(1)。如果 col 的列名是“01xx1234”，
1. col[:2] = 01 为真
2. 'Gold'+col[4:] => 'Gold'+col[4:] => 'Gold1234'
3. 所以，'01xx1234' 被'Gold1234' 取代。

(2) inplace = True 直接应用于数据帧，不返回结果。
如果不加这个选项，就必须这样做。
df = df.rename(columns={col:'Gold'+col[4:]})

【讨论】：

【解决方案3】：

inplace=True 表示：这些列将在您的原始数据框 (df) 中重命名

您的情况（inplace=True）：

import pandas as pd

df = pd.DataFrame(columns={"A": [1, 2, 3], "B": [4, 5, 6]})
df.rename(columns={"A": "a", "B": "c"}, inplace=True)

print(df.columns)
# Index(['a', 'c'], dtype='object')
# df already has the renamed columns, because inplace=True.

如果您不使用 inplace=True，那么 rename 方法将生成一个新的数据框，如下所示：

import pandas as pd
df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
new_frame = df.rename(columns={"A": "a", "B": "c"})

print(df.columns) 
# Index(['A', 'B'], dtype='object') 
# It contains the old column names

print(new_frame.columns)
# Index(['a', 'c'], dtype='object') 
# It's a new dataframe and has renamed columns

注意：在这种情况下，将新数据帧分配给原始数据帧 (df) 的更好方法

df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
df = df.rename(columns={"A": "a", "B": "c"})

【讨论】：