### Python Pandas 分组后数据列重命名方法 在处理分组后的数据时，有时需要对新生成的数据列进行重命名以便更好地理解和使用这些数据。以下是几种实现这一目标的方法。 #### 方法一：通过 `agg` 函数指定新的列名 可以在调用 `groupby()` 后立即应用 `agg()` 函数来执行聚合操作，并在此过程中定义输出 DataFrame 的列名。此方式允许直接设置每种聚合结果的名字： ```python import pandas as pd import numpy as np data = pd.DataFrame({ 'A': ['foo', 'bar', 'foo', 'bar'] * 3, 'B': np.random.rand(12), }) result = data.groupby('A').agg( mean_B=('B', 'mean'), sum_B=('B', 'sum') ) print(result) ``` 上述代码创建了一个简单的 DataFrame 并按列 A 进行了分组，计算 B 列的均值和总和的同时指定了返回的结果集里各统计量对应的自定义名称[^1]。 #### 方法二：利用匿名函数传递至 `agg` 另一种做法是在 `agg()` 中传入字典形式的参数，其中键代表想要赋予的新名字而值则是一个 lambda 表达式或者其他任何形式支持的操作符来进行特定类型的汇总运算: ```python result = data.groupby('A').agg({ 'new_mean_name': ('B', lambda x: x.mean()), 'new_sum_name': ('B', lambda x: x.sum()) }) ``` 这种方法同样实现了为不同聚合指标分配个性化标签的效果。 #### 方法三：先完成分组再统一修改列名 如果已经完成了所有的分组与聚合工作，则可以通过访问 `.columns` 属性并将其替换为一个新的列表从而达到更改现有列标题的目的；也可以借助于之前提到过的多种重命名技术之一——即采用 list comprehension 或者其他迭代机制来自动生成所需的映射关系表单用于后续批量更新过程之中[^2]: ```python # 假设 result 是经过 groupby 和 agg 处理得到的对象 old_columns = result.columns.tolist() new_columns = ["col_" + str(i) for i in range(len(old_columns))] result.columns = new_columns ``` 或者更简洁的方式是运用 `rename` 方法配合字典作为输入参数一次性完成多处位置上的调整动作[^4]: ```python mapping = {old_col : f'new_{old_col}' for old_col in result.columns} result.rename(columns=mapping, inplace=True) ``` 以上就是关于如何在 Python 使用 Pandas 库针对已分组的数据实施有效且灵活的列重命工作的介绍。