Tengo un marco de datos llamado data. ¿Cómo cambiaría el nombre del único encabezado de columna? Por ejemplo gdpa log(gdp)?

data =
    y  gdp  cap
0   1    2    5
1   2    3    9
2   8    7    2
3   3    4    7
4   6    7    7
5   4    8    3
6   8    2    8
7   9    9   10
8   6    6    4
9  10   10    7

data.rename(columns={'gdp':'log(gdp)'}, inplace=True)

El renameprograma que acepta un dict como parámetro para columnsque solo pase un dict con una sola entrada.

Ver también relacionados

Una implementación mucho más rápida sería usar list-comprehensionsi necesita cambiar el nombre de una sola columna.

df.columns = ['log(gdp)' if x=='gdp' else x for x in df.columns]

Si surge la necesidad de cambiar el nombre de varias columnas, use expresiones condicionales como:

df.columns = ['log(gdp)' if x=='gdp' else 'cap_mod' if x=='cap' else x for x in df.columns]

O bien, construya una asignación utilizando a dictionaryy realice la operación list-comprehensioncon ella getestableciendo el valor predeterminado como el nombre antiguo:

col_dict = {'gdp': 'log(gdp)', 'cap': 'cap_mod'}   ## key→old name, value→new name

df.columns = [col_dict.get(x, x) for x in df.columns]

Tiempos:

%%timeit
df.rename(columns={'gdp':'log(gdp)'}, inplace=True)
10000 loops, best of 3: 168 µs per loop

%%timeit
df.columns = ['log(gdp)' if x=='gdp' else x for x in df.columns]
10000 loops, best of 3: 58.5 µs per loop

¿Cómo cambio el nombre de una columna específica en pandas?

Desde v0.24 +, para cambiar el nombre de una (o más) columnas a la vez,

• DataFrame.rename()con axis=1o axis='columns'(el axisargumento fue introducido en v0.21.

• Index.str.replace() para reemplazo basado en string / regex.

Si necesita cambiar el nombre de TODAS las columnas a la vez,

• DataFrame.set_axis()método con axis=1. Pase una secuencia similar a una lista. Las opciones también están disponibles para modificaciones en el lugar.

rename con axis=1

df = pd.DataFrame('x', columns=['y', 'gdp', 'cap'], index=range(5))
df

   y gdp cap
0  x   x   x
1  x   x   x
2  x   x   x
3  x   x   x
4  x   x   x

Con 0.21+, ahora puede especificar un axisparámetro con rename:

df.rename({'gdp':'log(gdp)'}, axis=1)
# df.rename({'gdp':'log(gdp)'}, axis='columns')
    
   y log(gdp) cap
0  x        x   x
1  x        x   x
2  x        x   x
3  x        x   x
4  x        x   x

(Tenga en cuenta que renameno está en su lugar de forma predeterminada, por lo que deberá volver a asignar el resultado ).

Esta adición se ha realizado para mejorar la coherencia con el resto de la API. El nuevo axisargumento es análogo al columnsparámetro: hacen lo mismo.

df.rename(columns={'gdp': 'log(gdp)'})

   y log(gdp) cap
0  x        x   x
1  x        x   x
2  x        x   x
3  x        x   x
4  x        x   x

rename también acepta una devolución de llamada que se llama una vez para cada columna.

df.rename(lambda x: x[0], axis=1)
# df.rename(lambda x: x[0], axis='columns')

   y  g  c
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x

Para este escenario específico, desearía utilizar

df.rename(lambda x: 'log(gdp)' if x == 'gdp' else x, axis=1)

Index.str.replace

Similar al replacemétodo de cadenas en python, el índice y la serie pandas (solo tipo de objeto) definen un str.replacemétodo ("vectorizado") para el reemplazo basado en cadenas y expresiones regulares.

df.columns = df.columns.str.replace('gdp', 'log(gdp)')
df
 
   y log(gdp) cap
0  x        x   x
1  x        x   x
2  x        x   x
3  x        x   x
4  x        x   x

La ventaja de esto sobre los otros métodos es que str.replaceadmite expresiones regulares (habilitado por defecto). Vea los documentos para más información.

Pasando una lista a set_axisconaxis=1

Llame set_axiscon una lista de encabezado (s). La lista debe tener la misma longitud que el tamaño de las columnas / índice. set_axismuta el DataFrame original de forma predeterminada, pero puede especificar inplace=Falseque devuelva una copia modificada.

df.set_axis(['cap', 'log(gdp)', 'y'], axis=1, inplace=False)
# df.set_axis(['cap', 'log(gdp)', 'y'], axis='columns', inplace=False)

  cap log(gdp)  y
0   x        x  x
1   x        x  x
2   x        x  x
3   x        x  x
4   x        x  x

Nota: En futuras versiones, el inplacevalor predeterminado será True.

Método de encadenamiento
¿Por qué elegir set_axiscuando ya tenemos una manera eficiente de asignar columnas df.columns = ...? Como lo muestra Ted Petrou en [esta respuesta], ( https://stackoverflow.com/a/46912050/4909087 ) set_axises útil cuando se intentan encadenar métodos.

Comparar

# new for pandas 0.21+
df.some_method1()
  .some_method2()
  .set_axis()
  .some_method3()

Versus

# old way
df1 = df.some_method1()
        .some_method2()
df1.columns = columns
df1.some_method3()

La primera es una sintaxis más natural y de flujo libre.

Hay al menos cinco formas diferentes de cambiar el nombre de columnas específicas en pandas, y las he enumerado a continuación junto con enlaces a las respuestas originales. También cronometré estos métodos y descubrí que funcionan aproximadamente igual (aunque YMMV depende de su conjunto de datos y escenario). El caso de prueba a continuación es para cambiar el nombre de columnas A M N Za A2 M2 N2 Z2en una trama de datos con las columnas Aa Zque contiene un millón de filas.

# Import required modules
import numpy as np
import pandas as pd
import timeit

# Create sample data
df = pd.DataFrame(np.random.randint(0,9999,size=(1000000, 26)), columns=list('ABCDEFGHIJKLMNOPQRSTUVWXYZ'))

# Standard way - https://stackoverflow.com/a/19758398/452587
def method_1():
    df_renamed = df.rename(columns={'A': 'A2', 'M': 'M2', 'N': 'N2', 'Z': 'Z2'})

# Lambda function - https://stackoverflow.com/a/16770353/452587
def method_2():
    df_renamed = df.rename(columns=lambda x: x + '2' if x in ['A', 'M', 'N', 'Z'] else x)

# Mapping function - https://stackoverflow.com/a/19758398/452587
def rename_some(x):
    if x=='A' or x=='M' or x=='N' or x=='Z':
        return x + '2'
    return x
def method_3():
    df_renamed = df.rename(columns=rename_some)

# Dictionary comprehension - https://stackoverflow.com/a/58143182/452587
def method_4():
    df_renamed = df.rename(columns={col: col + '2' for col in df.columns[
        np.asarray([i for i, col in enumerate(df.columns) if 'A' in col or 'M' in col or 'N' in col or 'Z' in col])
    ]})

# Dictionary comprehension - https://stackoverflow.com/a/38101084/452587
def method_5():
    df_renamed = df.rename(columns=dict(zip(df[['A', 'M', 'N', 'Z']], ['A2', 'M2', 'N2', 'Z2'])))

print('Method 1:', timeit.timeit(method_1, number=10))
print('Method 2:', timeit.timeit(method_2, number=10))
print('Method 3:', timeit.timeit(method_3, number=10))
print('Method 4:', timeit.timeit(method_4, number=10))
print('Method 5:', timeit.timeit(method_5, number=10))

Salida:

Method 1: 3.650640267
Method 2: 3.163998427
Method 3: 2.998530871
Method 4: 2.9918436889999995
Method 5: 3.2436501520000007

Use el método que le resulte más intuitivo y más fácil de implementar en su aplicación.