Python 如何基于另一个数据帧重命名一个数据帧中的特定列

我有一个数据帧，如下所示：

df1：
账户名称单位总经理
1.塞哈尔12
2.莫哈塔10 15

另一个数据帧为：

df2：
输入字段转换
1.帐户名帐户名
2.通用汽车毛利率
3.收入
4.BU业务部门

我想将df1的列重命名为df2中的TRANSL值，如果这些值出现在输入_字段中

我试过：

df1.columns=df1.columns.map（df2.set\u index（'INPUT\u FIELD'）['TRANSL'].get）

它将列重命名为： [“账户名称”，无，“毛利率”]

我希望有选择地重命名列，而不使用equal运算符，因为此表将来可能会增长。

您可以使用方法转换序列

df2[“TRANSL”]

到字典

映射

，然后您可以使用方法通过将

映射

dict传递到

重命名

方法的

列

参数来重命名

df1

的列

使用：

这张照片是：

  Account Name  Units  Gross Margin
0        Sejal     12            12
1       Mohata     10            15

---

您可以轻松地从

df2.值构建dict理解：

df1.rename(columns={i:j for i,j in df2.values})

给出：

    Account Name  Units  Gross Margin
1.0        Sejal     12            12
2.0       Mohata     10            15


重命名还接受映射器函数，因此您可以使用：

def mapper(x):
    trans = df2.loc[df2.INPUT_FIELD == x, 'TRANSL']
    return trans.iat[0] if len(trans)>0 else x
df1.rename(columns = mapper)

在我的测试中（使用timeit），它比dict方式长。只有在
df2
中有1000多行且列名位于第一行时，它才会更快，因为这样它不会扫描整个值数组。
要重命名列，可以在键值对字典中传递
df.rename（columns={'Transl'：'Units'}）
创建字典会增加延迟，我想即时完成，有没有比这更优化的方法？创建字典会增加延迟，我想即时完成，有没有比这更优化的方法？
def mapper(x):
    trans = df2.loc[df2.INPUT_FIELD == x, 'TRANSL']
    return trans.iat[0] if len(trans)>0 else x
df1.rename(columns = mapper)