Python 使用来自其他数据集的VLOOKUP更改pandas中的列名

让ee是具有以下列的数据集

我想将除Product_Code之外的所有列重命名为表4['Period']中相应的值。例如，“M20”列名称现在将为“2016/09”…'M53'现在将是'2019/06'

---

首先创建字典并将其传递给重命名：

或使用“按月索引”列通过系列：

样本：

---

抽取数据样本：

ee.columns = ['Product Code','M20','M21']


Month   Period
0   M20 2015/01
1   M21 2015/02

d = dict(zip(ee.Month,ee.Period)) #creates a mapping dictionary
ee.columns=pd.Series(ee.columns).replace(d) #replaces where match found
#['Product Code', '2015/01', '2015/02']

---

也许您需要ee.columns=pd.seriese.columns。replaced@jezrael那将返回一个系列，不是吗？现在已更新代码：如果将其传递给列，则不需要转换为列表。

ee = ee.rename(columns=table4.set_index('Month')['Period'])

table4 = pd.DataFrame(
             {'Month':['M0','M1','M2'],
             'Period':['2015/01','2015/02','2015/03']})

print (table4)
  Month   Period
0    M0  2015/01
1    M1  2015/02
2    M2  2015/03

ee = pd.DataFrame(columns=['Product Code','M0','M2'])

ee = ee.rename(columns=dict(zip(table4['Month'], table4['Period'])))
print (ee)
Empty DataFrame
Columns: [Product Code, 2015/01, 2015/03]
Index: []

ee.columns = ['Product Code','M20','M21']


Month   Period
0   M20 2015/01
1   M21 2015/02

d = dict(zip(ee.Month,ee.Period)) #creates a mapping dictionary
ee.columns=pd.Series(ee.columns).replace(d) #replaces where match found
#['Product Code', '2015/01', '2015/02']