Sử dụng list comprehension
cho thiết lập tên cột mới:
df.columns = df.columns.map('_'.join)
Or:
df.columns = ['_'.join(col) for col in df.columns]
mẫu:
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
Nếu cần prefix
mục trao đổi đơn giản của các bộ:
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
Một giải pháp:
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
Nếu len
của cột là lớn (10^6), sau đó thay vì sử dụng to_series
và str.join
:
df.columns = df.columns.to_series().str.join('_')
@jezrael Đây là một cái mới tôi đến với ngày nay ;-) hiểu vẫn nhanh hơn một chút. – piRSquared
Tôi nghĩ rằng có một ngoại lệ - nếu len cột là rất lớn (vài 10^6), thì đây là nhanh hơn. 'df.columns = df.columns.to_series(). str.join ('_')'. Nhưng tôi nghĩ rằng thực tế len của 'cột' là nhỏ, do đó, danh sách hiểu là tốt hơn. – jezrael
@jezrael nó cũng nhanh hơn khi có nhiều cấp độ hơn. 'pd.MultiIndex.from_product ([danh sách ('ABCD'), phạm vi (4), danh sách ('wxyz')])' – piRSquared