提出问题
存在一个名为dataset的DataFrame
|
1
2
3
4
5
6
|
>>> dataset.columns
Index(['age', 'job', 'marital', 'education', 'default', 'housing', 'loan',
'contact', 'month', 'day_of_week', 'duration', 'campaign', 'pdays',
'previous', 'poutcome', 'emp.var.rate', 'cons.price.idx',
'cons.conf.idx', 'euribor3m', 'nr.employed', 'y'],
dtype='object')
|
现在, 我要将其columns名字改为:
|
1
2
3
4
5
6
7
|
>>> new_columns
Index(['age_0', 'job_1', 'marital_2', 'education_3', 'default_4', 'housing_5',
'loan_6', 'contact_7', 'month_8', 'day_of_week_9', 'duration_10',
'campaign_11', 'pdays_12', 'previous_13', 'poutcome_14',
'emp.var.rate_15', 'cons.price.idx_16', 'cons.conf.idx_17',
'euribor3m_18', 'nr.employed_19', 'y_20'],
dtype='object')
|
该如何操作？
解决
一.通过DataFrame.columns类的自身属性修改:
1.无脑赋值直接修改
|
1
2
3
4
5
6
|
>>> # 先解决`new_columns`的推导问题
>>> # 列表推导
>>> new_columns_list = [column_str+'_'+str(i) for i ,column_str in enumerate(dataset.columns)]
>>> # 类型转换
>>> new_columns = pd.core.indexes.base.Index(new_columns_list)
>>> dataset.columns = new_columns
|
2.通过.map(mapper, na_action=None)函数来修改
|
1
2
3
4
5
6
7
8
9
10
11
12
|
>>> # 注:mapper 多运用 lambda 表达式
>>> # 但我似乎没有找到在 lambda 表达式中改变两个值的方法
>>> # 所以只能蹩脚地用一个全局变量i, 和映射函数mapper()
>>> # 希望大家能帮我找到方法
>>> i = 0
>>> def mapper(x): # 映射函数即 mapper
global i
x += '_' + str(i)
i += 1
return x
>>> dataset.columns.map(mapper)
|
3.参考博客用到了DataFrame.columns.str对象
用help(DataFrame.columns.str)翻遍了文档，
也没能找到可以被我拿来套用的方法, 想着抽时间把这段文档翻译一下
二.通过DataFrame.rename()函数来修改
1.暴力字典法(好处：可以只修改特定的列)
|
1
2
3
4
5
6
|
>>> # 此处先用字典推导法
>>> new_dict = {
key:key+'_'+str(i)
for i, key in enumerate(dataset.columns)
}
>>> dataset.rename(columns=new_dict, inplace=True)
|
2.映射修改法
|
1
2
3
4
5
6
7
8
9
10
11
|
>>> # 原博文依然用到了 lambda 表达式
>>> # 我就再生搬硬套一次, 把上面的复制过来
>>> # 蹩脚地用一个全局变量i, 和映射函数mapper()
>>> i = 0
>>> def mapper(x): # 映射函数即 mapper
global i
x += '_' + str(i)
i += 1
return x
dataset.rename(columns=mapper, inplace=True)
|
稍微总结一下 : 字典推导和列表推导的使用方法很类似, 最大的区别是选择中括号还是大括号
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://segmentfault.com/a/1190000018240116