1 个回答
-
使用
list comprehension
用于设置新的列名:df.columns = df.columns.map('_'.join) Or: df.columns = ['_'.join(col) for col in df.columns]
样品:
df = pd.DataFrame({'A':[1,2,2,1], 'B':[4,5,6,4], 'C':[7,8,9,1], 'D':[1,3,5,9]}) print (df) A B C D 0 1 4 7 1 1 2 5 8 3 2 2 6 9 5 3 1 4 1 9 df = df.groupby('A').agg([max, min]) df.columns = df.columns.map('_'.join) print (df) B_max B_min C_max C_min D_max D_min A 1 4 4 7 1 9 1 2 6 5 9 8 5 3
print (['_'.join(col) for col in df.columns]) ['B_max', 'B_min', 'C_max', 'C_min', 'D_max', 'D_min'] df.columns = ['_'.join(col) for col in df.columns] print (df) B_max B_min C_max C_min D_max D_min A 1 4 4 7 1 9 1 2 6 5 9 8 5 3
如果需要
prefix
元组的简单交换项:df.columns = ['_'.join((col[1], col[0])) for col in df.columns] print (df) max_B min_B max_C min_C max_D min_D A 1 4 4 7 1 9 1 2 6 5 9 8 5 3
另一个解决方案:
df.columns = ['{}_{}'.format(i[1], i[0]) for i in df.columns] print (df) max_B min_B max_C min_C max_D min_D A 1 4 4 7 1 9 1 2 6 5 9 8 5 3
如果
len
of列很大(10 ^ 6),则使用to_series
和str.join
:df.columns = df.columns.to_series().str.join('_')