Python 使用str.rsplit格式化列会将某些列名更改为NAN

我有一个数据集，它的列名与下面类似，但有更多的“凌乱”列

我的目标是重新命名凌乱的列，只保留“我想要什么”

我使用了

df.columns=df.columns.str.rsplit（'.'）.str[1]

，但这将前3个列名更改为NAN

我尝试过使用for循环

for col in df.columns[3:]:
    df.columns = df.columns.str.rsplit('.').str[1]

if语句

if '.' in df.columns:
    df.columns = df.columns.str.rsplit('.').str[1]

和一个组合

for col in df.columns:
    if '.' in col:
        df.columns = df.columns.str.rsplit('.').str[1]

但是，当我以这些方式运行它时，它最多只能运行，但不会对任何列应用

rsplit

，最坏的情况是，我得到

“str”对象没有属性“str”

，这是一个错误，具体取决于具体的代码（我尝试了很多方法）

在找不到解决方案后，我决定使用

df = df.rename(columns= {df.columns[0]: 'name', df.column[1]: 'info', df.columns[2]: 'date'}) 

但是，这将所有3列更改为“名称”

我还尝试过使用

df.rename

3次，但结果都是相同的问题

如果我切换顺序，使

df.columns[1]：“info”

位于第一位，则所有名称都更改为“info”，如果

df.columns[2]

位于第一位，则“date”的名称相同

理想情况下，我希望解决方案只对所需列应用

rsplit

，这样我就不必重新输入列名

以下是实际列名的示例：

tpm.ARPE-19_EMT_induced_with_TGF-beta_and_TNF-alpha_03hr00min_biol_rep3.CNhs14493.13654-147B9.hg38.nobarcode

我想保留的部分是

ARPE-19_EMT_induced_with_TGF-beta_and_TNF-alpha_03hr00min_biol_rep3

与给定的

regex

模式一起使用，从杂乱的列名中提取列名，然后使用从

df.columns

和

cols

中选择列，具体取决于提取的列不是

NaN

：

cols = df.columns.str.extract(r'\.([^\.]+)\.', expand=False)
df.columns = np.where(cols.notna(), cols, df.columns)

示例

df

：

df = pd.DataFrame(columns=['name', 'info', 'date', 'pb.l.what_i_want_.n', 'pb.l.what_i_want_.d' ])

结果:

# print(df.columns)
Index(['name', 'info', 'date', 'what_i_want_', 'what_i_want_'], dtype='object')

正则表达式解释：

\。

按字面意思匹配字符

第一个捕获组

（[^\.]+）

• 匹配下面列表中不存在的单个字符[^\.]+

• +

  量词-在一次和无限次之间进行匹配，尽可能多地匹配，根据需要返回（贪婪）

---

更新后的列名是什么，可以在帖子中包含吗？您修改的列数是所有

for

循环中列数的两倍。这就是说，当

str[1]

最终无需抓取时，它将产生

NaN

。此外，当您使用

拆分

name

时，您希望第二个元素是什么（即

str[1]

）？str[1]给我“我想要什么”，这就是我完成后希望列名是什么。我无法实现这一点。当I

print（df.columns）

。我相信这是因为我的列名与我提供的示例不同，所以我编辑了这个问题，以包括实际列名的示例和我想要保留的部分。如何编辑正则表达式以使其适用于这些名称？我以前从未使用过正则表达式，所以我不确定要更改什么。是的！成功了！非常感谢。你介意解释一下正则表达式和每个字符的作用吗？非常感谢！！

# print(df.columns)
Index(['name', 'info', 'date', 'what_i_want_', 'what_i_want_'], dtype='object')