Python规范化了大量列名称，优化了代码

我正在制作一个脚本来处理csv，我可以重用它。现在，我正在使用此代码规范化csv文件中的列，以便它们都可以具有类似的列

df = pd.read_csv('Crokis.csv', index_col=0, encoding = "ISO-8859-1", low_memory=False)

genCol=['Genus','genus','ngenus','genera',]
df.rename(columns={typo: 'Genus' for typo in genCol}, inplace=True)

spCol=['species', 'sp', 'Species']
df.rename(columns={typo: 'species' for typo in spCol}, inplace=True)

chromCol=['Chromosome count', 'chromosome', 'Cytology', '2n', 'Chromosome']
df.rename(columns={typo: 'chromosome' for typo in chromCol}, inplace=True)

del chromCol, spCol, genCol

它工作正常，但有两个问题

有时，由于上/下大小写或在列表前面或后面添加了其他字符，列表中的项目会丢失。有没有办法包括

regex

或类似的东西来处理不同的变体

似乎有一个冗余的模式，所以我认为应该有一种方法来优化它

可以使用python函数来实现这一点

下面是一个用

'genus'

替换任何出现的

'genus.*'

的示例。 它将匹配并替换，例如

'genUS'

，

'genUS'

，

'genUS_666'

将熊猫作为pd导入
进口稀土
df=pd.read\u csv（'Crokis.csv'，index\u col=0，encoding=“ISO-8859-1”，低内存=False）
#“属”列重命名
f=lambda x:re.sub（'genus.*'，'genus'，x，flags=re.IGNORECASE）
重命名（columns=f，inplace=True）

我将通过以下方式处理此问题：

# use a single dict to hold the mapping
name_map = {'Genus': ['Genus','genus','ngenus','genera'],
        'species':['species', 'sp', 'Species'],
        'chromosome':['Chromosome count', 'chromosome', 'Cytology', '2n', 'Chromosome']}

col_translate = {}

for c in df.columns: 
    for canonical_name, alias_names in name_map.items():
        for alias_name in alias_names:
            if c.lower() == col_name.lower():
               col_translate[c] = canonical_name
            # if you want to check prefix or suffix...
            elif c.startswith(alias_name) or c.endswith(alias_name) 
               col_translate[c] = canonical_name
            # ... any additional, more complicated test
                ...

---

如果在某些情况下，

re

可能认为太难，那么它会更灵活

在您的解决方案中，困扰我的是嵌套for循环往往会减慢代码的速度