一条线或管线解决方案

我将专注于两件事情：

1. OP明确指出

   我将编辑过的列名存储在列表中，但我不知道如何替换列名。

   我不想解决如何替换'$'或从每个列标题剥离第一个字符的问题。 OP已经完成了这一步。 相反，我想专注于使用替换列名称列表替换现有columns对象。

2. df.columns = new其中new是新列名称的列表，非常简单。 这种方法的缺点是它需要编辑现有的数据框的columns属性，而不是内联完成的。 我将通过流水线显示几种方式来执行此操作，而无需编辑现有数据框。

设置1
为了专注于重新命名使用预先存在的列表替换列名的需要，我将创建一个新的示例数据框df其中包含初始列名和不相关的新列名。

df = pd.DataFrame({'Jack': [1, 2], 'Mahesh': [3, 4], 'Xin': [5, 6]})
new = ['x098', 'y765', 'z432']

df

   Jack  Mahesh  Xin
0     1       3    5
1     2       4    6

解决方案1
pd.DataFrame.rename

已经有人说过， 如果你有一个将旧列名映射到新列名的字典，你可以使用pd.DataFrame.rename 。

d = {'Jack': 'x098', 'Mahesh': 'y765', 'Xin': 'z432'}
df.rename(columns=d)

   x098  y765  z432
0     1     3     5
1     2     4     6

但是，您可以轻松创建该字典并将其包含在要rename的调用中。 以下利用了在迭代df时迭代每个列名的事实。

# given just a list of new column names
df.rename(columns=dict(zip(df, new)))

   x098  y765  z432
0     1     3     5
1     2     4     6

如果您的原始列名是唯一的，这非常有效。 但如果他们不是，那么这就打破了。

设置2
非唯一的列

df = pd.DataFrame(
    [[1, 3, 5], [2, 4, 6]],
    columns=['Mahesh', 'Mahesh', 'Xin']
)
new = ['x098', 'y765', 'z432']

df

   Mahesh  Mahesh  Xin
0       1       3    5
1       2       4    6

解决方案2
pd.concat使用keys参数

首先，注意当我们尝试使用解决方案1时会发生什么情况：

df.rename(columns=dict(zip(df, new)))

   y765  y765  z432
0     1     3     5
1     2     4     6

我们没有将new列表映射为列名。 我们结束了重复y765 。 相反，我们可以在遍历df的列时使用pd.concat函数的keys参数。

pd.concat([c for _, c in df.items()], axis=1, keys=new) 

   x098  y765  z432
0     1     3     5
1     2     4     6

解决方案3
重建。 这应该只用于所有列都有单个dtype的情况。 否则，您将最终得到所有列的dtype object ，并将它们转换回来需要更多的字典工作。

单dtype

pd.DataFrame(df.values, df.index, new)

   x098  y765  z432
0     1     3     5
1     2     4     6

混合dtype

pd.DataFrame(df.values, df.index, new).astype(dict(zip(new, df.dtypes)))

   x098  y765  z432
0     1     3     5
1     2     4     6

解决方案4
这是一个带有transpose和set_index的噱头戏法。 pd.DataFrame.set_index允许我们设置一个内联索引，但没有对应的set_columns 。 所以我们可以转置，然后set_index ，并转置回来。 但是，解决方案3中的单个dtype与混合dtype警告相同。

单dtype

df.T.set_index(np.asarray(new)).T

   x098  y765  z432
0     1     3     5
1     2     4     6

混合dtype

df.T.set_index(np.asarray(new)).T.astype(dict(zip(new, df.dtypes)))

   x098  y765  z432
0     1     3     5
1     2     4     6

解决方案5
在pd.DataFrame.rename中使用循环遍历new每个元素的lambda
在这个解决方案中，我们传递一个需要x但是忽略它的lambda。 它也需要一个y但不期望它。 相反，迭代器是作为默认值给出的，然后我可以使用它循环一次，而不考虑x的值。

df.rename(columns=lambda x, y=iter(new): next(y))

   x098  y765  z432
0     1     3     5
1     2     4     6

正如sopython聊天中的人们指出的那样，如果我在x和y之间添加* ，我可以保护我的y变量。 虽然在这种情况下，我不相信它需要保护。 它仍然值得一提。

df.rename(columns=lambda x, *, y=iter(new): next(y))

   x098  y765  z432
0     1     3     5
1     2     4     6

熊猫0.21+答案

在版本0.21中对列重命名进行了一些重大更新。

• rename方法添加了可以设置为columns或1的axis参数。 此更新使此方法与熊猫API的其余部分相匹配。 它仍然有index和columns参数，但你不再被迫使用它们。
• 将set_axis设置为False的set_axis方法使您可以使用列表重命名所有索引或列标签。

熊猫0.21+的例子

构建示例DataFrame：

df = pd.DataFrame({'$a':[1,2], '$b': [3,4], 
                   '$c':[5,6], '$d':[7,8], 
                   '$e':[9,10]})

   $a  $b  $c  $d  $e
0   1   3   5   7   9
1   2   4   6   8  10

使用axis='columns'或axis=1 rename

df.rename({'$a':'a', '$b':'b', '$c':'c', '$d':'d', '$e':'e'}, axis='columns')

要么

df.rename({'$a':'a', '$b':'b', '$c':'c', '$d':'d', '$e':'e'}, axis=1)

这两个结果如下：

   a  b  c  d   e
0  1  3  5  7   9
1  2  4  6  8  10

仍然可以使用旧的方法签名：

df.rename(columns={'$a':'a', '$b':'b', '$c':'c', '$d':'d', '$e':'e'})

rename函数还接受将应用于每个列名称的函数。

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

要么

df.rename(lambda x: x[1:], axis=1)

将set_axis与list和set_axis inplace=False

您可以向set_axis方法提供一个列表，该列表的长度等于列数（或索引）的长度。 目前， inplace默认为True ，但在将来的版本中inplace默认为False 。

df.set_axis(['a', 'b', 'c', 'd', 'e'], axis='columns', inplace=False)

要么

df.set_axis(['a', 'b', 'c', 'd', 'e'], axis=1, inplace=False)

为什么不使用df.columns = ['a', 'b', 'c', 'd', 'e'] ？

直接分配列没有任何问题。 这是一个非常好的解决方案。

使用set_axis的优点是它可以用作方法链的一部分，并返回DataFrame的新副本。 没有它，您必须在重新分配列之前将链的中间步骤存储到另一个变量中。

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

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

df.rename()方法可以采用一个函数，例如：

In [11]: df.columns
Out[11]: Index([u'$a', u'$b', u'$c', u'$d', u'$e'], dtype=object)

In [12]: df.rename(columns=lambda x: x[1:], inplace=True)

In [13]: df.columns
Out[13]: Index([u'a', u'b', u'c', u'd', u'e'], dtype=object)

使用df.rename()函数并引用要重命名的列。 并非所有列都必须重命名：

df = df.rename(columns={'oldName1': 'newName1', 'oldName2': 'newName2'})
# Or rename the existing DataFrame (rather than creating a copy) 
df.rename(columns={'oldName1': 'newName1', 'oldName2': 'newName2'}, inplace=True)

另一种替代原始列标签的方法是从原始列标签中去除不需要的字符（这里是'$'）。

这可以通过在df.columns上运行for循环并将删除的列添加到df.columns来完成。

相反，我们可以通过使用如下所示的列表理解，在单个语句中整齐地做到这一点：

df.columns = [col.strip('$') for col in df.columns]

（Python中的strip方法从字符串的开头和结尾剥离给定的字符。）

如http://pandas.pydata.org/pandas-docs/stable/text.html所记录：

df.columns = df.columns.str.replace('$','')

如果你不想要行名df.columns = ['a', 'b',index=False]

如果您有数据框，则df.columns会将所有内容转储到您可以操作的列表中，然后将其重新分配到您的数据框中作为列的名称...

columns = df.columns
columns = [row.replace("$","") for row in columns]
df.rename(columns=dict(zip(columns, things)), inplace=True)
df.head() #to validate the output

最好的办法？ IDK。 一种方式 - 是的。

评估问题答案中提出的所有主要技术的更好方法是使用cProfile来测量内存和执行时间。 @kadee，@kaitlyn和@eumiro具有最快执行时间的功能 - 虽然这些功能非常快，但我们正在比较所有答案的.000和0.001秒舍入。 道德：我上面的回答可能不是'最好'的方式。

import pandas as pd
import cProfile, pstats, re

old_names = ['$a', '$b', '$c', '$d', '$e']
new_names = ['a', 'b', 'c', 'd', 'e']
col_dict = {'$a': 'a', '$b': 'b','$c':'c','$d':'d','$e':'e'}

df = pd.DataFrame({'$a':[1,2], '$b': [10,20],'$c':['bleep','blorp'],'$d':[1,2],'$e':['texa$','']})

df.head()

def eumiro(df,nn):
    df.columns = nn
    #This direct renaming approach is duplicated in methodology in several other answers: 
    return df

def lexual1(df):
    return df.rename(columns=col_dict)

def lexual2(df,col_dict):
    return df.rename(columns=col_dict, inplace=True)

def Panda_Master_Hayden(df):
    return df.rename(columns=lambda x: x[1:], inplace=True)

def paulo1(df):
    return df.rename(columns=lambda x: x.replace('$', ''))

def paulo2(df):
    return df.rename(columns=lambda x: x.replace('$', ''), inplace=True)

def migloo(df,on,nn):
    return df.rename(columns=dict(zip(on, nn)), inplace=True)

def kadee(df):
    return df.columns.str.replace('$','')

def awo(df):
    columns = df.columns
    columns = [row.replace("$","") for row in columns]
    return df.rename(columns=dict(zip(columns, '')), inplace=True)

def kaitlyn(df):
    df.columns = [col.strip('$') for col in df.columns]
    return df

print 'eumiro'
cProfile.run('eumiro(df,new_names)')
print 'lexual1'
cProfile.run('lexual1(df)')
print 'lexual2'
cProfile.run('lexual2(df,col_dict)')
print 'andy hayden'
cProfile.run('Panda_Master_Hayden(df)')
print 'paulo1'
cProfile.run('paulo1(df)')
print 'paulo2'
cProfile.run('paulo2(df)')
print 'migloo'
cProfile.run('migloo(df,old_names,new_names)')
print 'kadee'
cProfile.run('kadee(df)')
print 'awo'
cProfile.run('awo(df)')
print 'kaitlyn'
cProfile.run('kaitlyn(df)')

尝试这个。 这个对我有用

df.rename(index=str, columns={"$a": "a", "$b": "b", "$c" : "c", "$d" : "d", "$e" : "e"})

我认为这种方法很有用：

df.rename(columns={"old_column_name1":"new_column_name1", "old_column_name2":"new_column_name2"})

该方法允许您单独更改列名称。

既然你只想删除所有列名中的$符号，你可以这样做：

df = df.rename(columns=lambda x: x.replace('$', ''))

要么

df.rename(columns=lambda x: x.replace('$', ''), inplace=True)

请注意，这些方法不适用于MultiIndex。 对于MultiIndex，您需要执行以下操作：

>>> df = pd.DataFrame({('$a','$x'):[1,2], ('$b','$y'): [3,4], ('e','f'):[5,6]})
>>> df
   $a $b  e
   $x $y  f
0  1  3  5
1  2  4  6
>>> rename = {('$a','$x'):('a','x'), ('$b','$y'):('b','y')}
>>> df.columns = pandas.MultiIndex.from_tuples([
        rename.get(item, item) for item in df.columns.tolist()])
>>> df
   a  b  e
   x  y  f
0  1  3  5
1  2  4  6

这里有一个我喜欢用来减少打字的漂亮小功能：

def rename(data, oldnames, newname): 
    if type(oldnames) == str: #input can be a string or list of strings 
        oldnames = [oldnames] #when renaming multiple columns 
        newname = [newname] #make sure you pass the corresponding list of new names
    i = 0 
    for name in oldnames:
        oldvar = [c for c in data.columns if name in c]
        if len(oldvar) == 0: 
            raise ValueError("Sorry, couldn't find that column in the dataset")
        if len(oldvar) > 1: #doesn't have to be an exact match 
            print("Found multiple columns that matched " + str(name) + " :")
            for c in oldvar:
                print(str(oldvar.index(c)) + ": " + str(c))
            ind = input('please enter the index of the column you would like to rename: ')
            oldvar = oldvar[int(ind)]
        if len(oldvar) == 1:
            oldvar = oldvar[0]
        data = data.rename(columns = {oldvar : newname[i]})
        i += 1 
    return data   

这是一个它如何工作的例子：

In [2]: df = pd.DataFrame(np.random.randint(0,10,size=(10, 4)), columns=['col1','col2','omg','idk'])

In [3]: df = rename(df, ['col','omg'],['first','ohmy'])
Found multiple columns that matched col :
0: col1
1: col2

please enter the index of the column you would like to rename: 0

In [4]: df.columns
Out[5]: Index(['first', 'col2', 'ohmy', 'idk'], dtype='object')

df = pd.DataFrame({'$a': [1], '$b': [1], '$c': [1], '$d': [1], '$e': [1]})

如果您的新列的列表与现有列的顺序相同，则分配很简单：

new_cols = ['a', 'b', 'c', 'd', 'e']
df.columns = new_cols
>>> df
   a  b  c  d  e
0  1  1  1  1  1

如果您的旧字段名称上键入了新字段名称的字典，则可以执行以下操作：

d = {'$a': 'a', '$b': 'b', '$c': 'c', '$d': 'd', '$e': 'e'}
df.columns = df.columns.map(lambda col: d[col])  # Or `.map(d.get)` as pointed out by @PiRSquared.
>>> df
   a  b  c  d  e
0  1  1  1  1  1

如果您没有列表或字典映射，可以通过列表理解去掉前导$符号：

df.columns = [col[1:] if col[0] == '$' else col for col in df]

df.columns = ['a', 'b', 'c', 'd', 'e']

它会按照您提供的顺序，用您提供的名称替换现有名称。

你也可以像这样通过索引来分配它们：

df.columns.values[2] = 'c'    #renames the 2nd column to 'c' (in position #3)