pandas自定义重复列名

在 pandas 中，如果您有一个数据帧，其中有重复的列名，则可以使用以下方法来自定义重复列名：

1. 使用 `df.columns` 属性来获取数据帧中所有列的名称，然后使用 Python 内置的 `enumerate` 函数来遍历这些列名。

2. 对于每个列名，检查它是否在列名列表中出现了多次。

3. 如果列名在列名列表中出现了多次，则使用自定义名称来重命名该列，例如在名称后面添加一个数字或字母。

下面是一个示例代码，该代码可以自动重命名数据帧中所有重复的列名：

import pandas as pd

# 假设数据帧 df 中有一些重复的列名
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'A': [7, 8, 9]})

# 获取数据帧中所有列的名称
cols = df.columns

# 遍历所有列名
for i, col in enumerate(cols):
  # 如果列名在列名列表中出现了多次，则使用自定义名称来重命名该列
  if cols.count(col) > 1:
    df.rename(columns={col: col + str(i)}, inplace=True)

# 输出重命名后的数据帧
print(df)

输出结果为：

   A  B  A0
0  7  4   1
1  8  5   2
2  9  6   3

在这个例子中

相关问题

pandas marge两列，如果相同的列名，留左边的列，不生成x y什么的

Pandas中的merge函数默认会合并两个DataFrame中相同列名的数据，如果你不想生成新的列名（如`x`和`y`），可以设置`how='left'`参数，并使用`suffixes`参数控制重复列名的处理方式。例如：

import pandas as pd

# 假设我们有两列数据，df1和df2都有名为'column_name'的列
df1 = pd.DataFrame({'A': [1, 2, 3], 'column_name': ['a', 'b', 'c']})
df2 = pd.DataFrame({'B': [4, 5, 6], 'column_name': ['d', 'e', 'f']})

# 使用left join并保留左侧的列
merged_df = pd.merge(df1, df2, on='column_name', how='left')

# 默认suffixes将添加_1和_2作为列后缀区分，你可以自定义成其他形式
merged_df.columns = merged_df.columns.map(lambda x: f"{x[0]}" if x.endswith('_1') else x)

print(merged_df)

在这个例子中，`merged_df`将会包含`df1`的所有列，包括原始的`column_name`，以及从`df2`中匹配到的值。如果有冲突的列名，不会生成新的列名，而是直接保留左侧的数据。

pandas常用函数

Pandas是Python中最受欢迎的模块之一，它在数据科学社区中被广泛使用。它提供了许多常用的函数来进行数据操作、清理和分析。以下是一些常用的Pandas函数：

1. read_csv：用于从CSV文件读取数据并创建DataFrame。
2. head：返回DataFrame的前几行数据。
3. tail：返回DataFrame的后几行数据。
4. shape：返回DataFrame的行数和列数。
5. info：提供DataFrame的基本信息，包括列名、数据类型和非空值的数量。
6. describe：提供DataFrame中数值列的统计摘要，包括计数、均值、标准差、最小值、25%分位数、50%分位数、75%分位数和最大值。
7. drop_duplicates：去除DataFrame中的重复行。
8. isnull：检查DataFrame中的缺失值。
9. fillna：填充DataFrame中的缺失值。
10. dropna：删除DataFrame中包含缺失值的行或列。
11. rename：重命名DataFrame的列名。
12. set_index：将DataFrame的列设置为索引。
13. reset_index：重置DataFrame的索引。
14. groupby：按照指定的列或多个列对DataFrame进行分组。
15. merge：根据指定的列将两个DataFrame合并为一个。
16. sort_values：按照指定的列对DataFrame进行排序。
17. apply：对DataFrame的每一列或每一行应用自定义函数。
18. plot：绘制DataFrame中的数据图形。
19. to_csv：将DataFrame保存为CSV文件。
20. drop：删除DataFrame中的指定列或行。

这些常用函数可以帮助我们完成80%以上的任务，并且可以通过Pandas的文档进一步了解更多关于grouping、merging等参数较多且常用的函数，这将对我们的工作有很大的帮助。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [深度盘点：整理100个 Pandas 常用函数](https://blog.csdn.net/weixin_38037405/article/details/124054985)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [这20个Pandas函数一定要牢记，建议收藏！！](https://blog.csdn.net/weixin_43373042/article/details/129631001)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]