というデータフレームを持っていdataます。唯一の列ヘッダーの名前を変更するにはどうすればよいですか？たとえばgdpへ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)

renameそれはのためのparamとしてのdictを受け入れることを示しcolumnsあなただけの単一のエントリで辞書を渡すようにします。

関連も参照

list-comprehension単一の列の名前を変更する必要がある場合は、はるかに高速な実装を使用することになります。

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

複数の列の名前を変更する必要が生じた場合は、次のような条件式を使用します。

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

または、aを使用してマッピングを作成し、デフォルト値を古い名前に設定しdictionaryてlist-comprehensionwith with get操作を実行します。

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]

タイミング：

%%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

パンダの特定の列の名前を変更するにはどうすればよいですか？

v0.24以降、一度に1つ以上の列の名前を変更するには、

• DataFrame.rename()axis=1か、axis='columns'（axis引数がで導入されましたv0.21。

• Index.str.replace() 文字列/正規表現ベースの置換。

すべての列の名前を一度に変更する必要がある場合は、

• DataFrame.set_axis()メソッドaxis=1。リストのようなシーケンスを渡します。インプレース変更のオプションも利用できます。

rename と 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

0.21+では、次のようにaxisパラメーターを指定できます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

（これrenameはデフォルトではインプレースではないため、結果を割り当てる必要があります。）

この追加は、他のAPIとの一貫性を向上させるために行われました。新しいaxis引数はcolumnsパラメータに似ています—同じことをします。

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 各列に対して一度呼び出されるコールバックも受け入れます。

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

この特定のシナリオでは、

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

Index.str.replace

replacePythonの文字列のメソッドと同様に、pandas IndexとSeries（オブジェクトdtypeのみ）は、str.replace文字列と正規表現ベースの置換のための（「ベクトル化された」）メソッドを定義します。

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

他の方法に対するこれの利点は、str.replace正規表現をサポートすることです（デフォルトで有効）。詳細については、ドキュメントを参照してください。

リストを渡すset_axisとaxis=1

set_axisヘッダーのリストを指定して呼び出します。リストの長さは列/インデックスサイズと同じである必要があります。set_axisデフォルトでは元のDataFrameを変更しますがinplace=False、変更されたコピーを返すように指定できます。

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

注：将来のリリースでinplaceは、デフォルトでになりますTrue。

メソッドの連鎖
なぜset_axis列を割り当てる効率的な方法があるのに、なぜ選択するのdf.columns = ...ですか？[この回答]のTed Petrouが示しているように、（https://stackoverflow.com/a/46912050/4909087）set_axisは、メソッドをチェーンしようとするときに役立ちます。

比較する

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

対

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

前者はより自然で自由に流れる構文です。

パンダの特定の列の名前を変更するには、少なくとも5つの方法があります。以下に、元の回答へのリンクとともにそれらをリストしました。また、これらのメソッドの時間を測定したところ、ほぼ同じように動作することがわかりました（ただし、YMMVはデータセットとシナリオによって異なります）。以下のテストケースは、100万行を含む列を持つデータフレームで列の名前を変更するA M N Zことです。A2 M2 N2 Z2AZ

# 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))

出力：

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

最も直感的で、アプリケーションに実装しやすい方法を使用してください。