csvの列名rename操作（ループ処理）

Question

前提・実現したいこと

pandasで列名のrenameを下記のように複数列一度に行いたいです。
※直近を1M、2ヶ月前を2M、3ヶ月前を3M...という表記

[列名]
( 現状 ) → ( rename後 )
@_201905_データ → データ_1M
@_201904_データ → データ_2M
@_201903_データ → データ_3M

ステップは下記を考えていましたが、データ自体の操作ではなく、列名の操作をどのように行えば良いのか困っております。。
①「@201905」のような文字列を含む列名を取得
②「@201905」であれば列名最後に「1M」、「@201904」であれば列名最後に「2M」を付与するループ処理
③「@201905」部分の文字列削除

df=DataFrame([[2190,13378,2190,13378],[1904,13378,2190,13378],[5157,13378,2190,13378]],
             columns=['area','@_201905_データ','@_201905_データ','@_201905_データ'],
             index=['Tokyooo','Osaka','Chibaaa'])

ぜひご教授いただけますでしょうか..?
よろしくお願いします。。

Answer 1

各列を変更する関数を作り、DataFrame.rename に指定してください。

rename する関数の内容

1. pd.to_datetime で "@_{年}{月}_データ" を datetime に変換する。
2. pd.isna() を調べて、"area" のような "@_{年}{月}_データ" という形式でない列は変更しないでそのまま返す。
3. 今日の datetime との差分を計算し、何ヶ月前かを調べる。
4. "データ_{nヶ月前}M" という文字列を返す。

import pandas as pd
import numpy as np

df = pd.DataFrame(
    [
        [2190, 13378, 2190, 13378],
        [1904, 13378, 2190, 13378],
        [5157, 13378, 2190, 13378],
    ],
    columns=["area", "@_201905_データ", "@_201904_データ", "@_201903_データ"],
    index=["Tokyooo", "Osaka", "Chibaaa"],
)


def renamer(name):
    # "@_%Y%m_データ" を datetime に変換する。
    date = pd.to_datetime(name, format="@_%Y%m_データ", errors="coerce")
    if pd.isna(date):
        return name  # "@_{年}{月}_データ" という形式でない場合

    # 何ヶ月前かを計算する。
    months = (pd.to_datetime("today") - date) // np.timedelta64(1, "M")

    return f"データ_{months}M"


df.rename(columns=renamer, inplace=True)

print(df)
#          area  データ_1M  データ_2M  データ_3M
# Tokyooo  2190   13378    2190   13378
# Osaka    1904   13378    2190   13378
# Chibaaa  5157   13378    2190   13378

追記

複数パターン存在する場合は、どのようにループさせていけば良いでしょうか..？

pandas.to_datetime() に exact=False を追加してください。
これにより、列名の一部が @_{年}{月}_データ とマッチすれば、日付に変換できます。

pandas.to_datetime — pandas 0.24.2 documentation

変更箇所

- date = pd.to_datetime(name, format="@_%Y%m_データ", errors="coerce")
+ date = pd.to_datetime(name, format="@_%Y%m_データ", errors="coerce", exact=False)

修正後のコード全体

import pandas as pd
import numpy as np

df = pd.DataFrame(
    [
        [2190, 13378, 2190, 13378, 13378, 2190, 13378],
        [1904, 13378, 2190, 13378, 13378, 2190, 13378],
        [5157, 13378, 2190, 13378, 13378, 2190, 13378],
    ],
    columns=[
        "area",
        "@_201905_データA",
        "@_201904_データA",
        "@_201905_データB",
        "@_201904_データB",
        "@_201905_データC",
        "@_201904_データC",
    ],
    index=["Tokyooo", "Osaka", "Chibaaa"],
)

def renamer(name):
    # "@_%Y%m_データ" を datetime に変換する。
    date = pd.to_datetime(name, format="@_%Y%m_データ", errors="coerce", exact=False)
    if pd.isna(date):
        return name  # "@_{年}{月}_データ" という形式でない場合

    # 何ヶ月前かを計算する。
    months = (pd.to_datetime("today") - date) // np.timedelta64(1, "M")

    return f"データ_{months}M"


df.rename(columns=renamer, inplace=True)

print(df)
#          area  データ_1M  データ_2M  データ_1M  データ_2M  データ_1M  データ_2M
# Tokyooo  2190   13378    2190   13378   13378    2190   13378
# Osaka    1904   13378    2190   13378   13378    2190   13378
# Chibaaa  5157   13378    2190   13378   13378    2190   13378

Comments

[haruhika]

早急なご対応ありがとうございます！！
理解できました。。！

また、さらにご質問なのですが、
「_データ」の部分が
’_データA’,’_データB’,’_データC’
と複数パターン存在する場合は、どのようにループさせていけば良いでしょうか..？
※下記のようなデータパターンです。

import pandas as pd

df = pd.DataFrame(
[
[2190, 13378, 2190, 13378,13378, 2190, 13378],
[1904, 13378, 2190, 13378,13378, 2190, 13378],
[5157, 13378, 2190, 13378,13378, 2190, 13378],
],
columns=["area", "@_201905_データA", "@_201904_データA", "@_201905_データB","@_201904_データB","@_201905_データC","@_201904_データC"],
index=["Tokyooo", "Osaka", "Chibaaa"],
)

[tiitoi]

追記しました。

[haruhika]

ご回答ありがとうございました..！
助かりました。。

無事、データ処理を行うことができました。