Pandasで列名を変更する手法：renameやcolumns属性の使い方を解説

2026年5月13日

列操作

Pythonを使用したデータ分析プロジェクトにおいて、データの可読性を高めるために「列名の整理」は避けて通れない工程です。

分析の初期段階で取得したデータセットの列名が、英語の略称であったり、スペースが含まれていたりすることは珍しくありません。

Pandasライブラリには、これらの列名を効率的に変更するための柔軟なメソッドが多数用意されています。

本記事では、実務で頻繁に使用されるrenameメソッドから、一括変更に便利なcolumns属性への直接代入まで、具体的なコード例を交えて解説します。

2026年現在のデータサイエンスの現場でも、クリーンなコードを書くための基本スキルとしてこれらの手法をマスターしておくことが推奨されます。

目次 [ close ]

Pandasで列名を変更する主な手法

PandasのDataFrame（データフレーム）で列名を変更する方法には、大きく分けて3つのアプローチが存在します。

一つ目は、特定の列を指定して変更するrename()メソッドを使用する方法です。

二つ目は、すべての列名を一気に書き換えるcolumns属性への代入です。

三つ目は、文字列操作メソッドを活用して、特定のパターンに基づいて列名を一括置換する方法です。

それぞれの方法にはメリットとデメリットがあるため、状況に応じて最適な手段を選択することが重要です。

以下の表は、各手法の主な特徴を比較したものです。

手法	主な特徴	適したシーン
`rename()`	辞書形式で特定の列のみを変更可能	一部の列名だけを確実に変えたい場合
`columns`属性への代入	全列名をリストで一括上書き	列数が少なく、全ての名称を定義し直す場合
`str`アクセサ	置換や大文字化などの文字列操作	接頭辞の付与や空白の削除などパターン処理をする場合

renameメソッドによる柔軟な列名変更

実務で最も頻繁に利用されるのが、renameメソッドです。

このメソッドは、元のデータフレームを維持したまま（非破壊的）、新しい列名を適用したコピーを返却するのが基本動作となります。

辞書形式（dict）による指定

最も直感的な使い方は、columns引数に対して{'古い名前': '新しい名前'}という形式の辞書を渡す方法です。

Python

import pandas as pd

# サンプルデータの作成
df = pd.DataFrame({
    'user_id': [1, 2, 3],
    'user_nm': ['田中', '佐藤', '鈴木'],
    'score_val': [85, 90, 78]
})

# renameメソッドで列名を変更
df_renamed = df.rename(columns={'user_nm': 'user_name', 'score_val': 'score'})

print(df_renamed)

実行結果

   user_id user_name  score
0        1        田中     85
1        2        佐藤     90
2        3        鈴木     78

この方法の利点は、存在しない列名を指定してもエラーにならず、指定した列のみが書き換わるという安全性にあります。

axisパラメータを利用した指定

renameメソッドでは、columns引数の代わりにaxisパラメータを使用することも可能です。

axis=1（または axis='columns'）を指定することで、列名を対象に処理を行うことができます。

Python

# axisパラメータを利用した書き方
df_renamed = df.rename({'user_id': 'ID'}, axis=1)

この書き方は、行名（index）の変更と構文を統一したい場合に便利です。

関数やラムダ式による動的な変更

辞書ではなく、関数を渡すことで動的に列名を加工することもできます。

例えば、すべての列名を大文字に変換したり、特定の接頭辞を追加したりする場合に有効です。

Python

# すべての列名を大文字に変更する
df_upper = df.rename(columns=str.upper)

# ラムダ式を使用して「col_」という接頭辞を付ける
df_prefix = df.rename(columns=lambda s: 'col_' + s)

print(df_prefix.columns)

実行結果

Index(['col_user_id', 'col_user_nm', 'col_score_val'], dtype='object')

破壊的な変更とCopy-on-Writeへの対応

従来、Pandasではinplace=Trueを指定することで、元のデータフレームを直接書き換えることが一般的でした。

しかし、最新のPandas（バージョン2.0以降および3.0を見据えた環境）では、Copy-on-Write (CoW)という仕組みが導入され、inplace=Trueの使用は推奨されなくなっています。

基本的には、変更後のデータフレームを新しい変数に代入するか、同じ変数名で再代入する形をとるべきです。

Python

# 推奨される書き方（再代入）
df = df.rename(columns={'user_nm': 'name'})

columns属性への直接代入による一括変更

データフレームが持つcolumns属性に対して、新しい列名のリストを直接代入することで、すべての列名を一度に変更できます。

リストによる全置換

この手法は、列の順番が完全に把握できており、かつすべての列名を一新したい場合に最適です。

Python

# 列名リストを直接代入
df.columns = ['ID', '名前', 'スコア']

print(df)

実行結果

   ID  名前  スコア
0   1  田中   85
1   2  佐藤   90
2   3  鈴木   78

注意点として、代入するリストの長さは、元のデータフレームの列数と厳密に一致している必要があります。

もし要素数が異なると、ValueErrorが発生し処理が中断されます。

Indexオブジェクトの操作

df.columnsは単なるリストではなく、PandasのIndexオブジェクトです。

そのため、リスト内包表記などを用いて一部を加工した新しいIndexを作成し、それを元の属性に戻すというテクニックもよく使われます。

Python

# 列名の中のアンダースコアをハイフンに置換する例
df.columns = [c.replace('_', '-') for c in df.columns]

文字列メソッド（strアクセサ）を活用した一括処理

列名に対して複雑なパターン置換を行いたい場合、df.columns.str経由で文字列メソッドを呼び出すのが効率的です。

特定の文字列を置換する

例えば、複数の列名に含まれる共通の不要なワードを一括で削除したい場合に非常に強力です。

Python

# 「_val」という文字列を一括削除
df.columns = df.columns.str.replace('_val', '', regex=False)

regex=True（デフォルト設定の場合あり）を利用すれば、正規表現を用いた高度なパターンマッチングも可能です。

空白の除去やフォーマット統一

外部から読み込んだデータには、列名の前後に不要なスペースが含まれていることが多々あります。

そのままでは列指定によるアクセスが失敗するため、クレンジング処理として以下を実行しておくと安心です。

Python

# 前後の空白を削除
df.columns = df.columns.str.strip()

# 小文字に統一し、スペースをアンダースコアに変換
df.columns = df.columns.str.lower().str.replace(' ', '_', regex=False)

接頭辞・接尾辞の追加（add_prefix / add_suffix）

複数のデータフレームを結合（join/merge）する際、どのデータ由来の列かを判別しやすくするために、一括でプレフィックス（接頭辞）やサフィックス（接尾辞）を付けたいことがあります。

Pandasにはそのための専用メソッドが用意されています。

Python

# すべての列名の前に「raw_」を付与
df_prefixed = df.add_prefix('raw_')

# すべての列名の後に「_test」を付与
df_suffixed = df.add_suffix('_test')

print(df_prefixed.columns)

実行結果

Index(['raw_user_id', 'raw_user_nm', 'raw_score_val'], dtype='object')

これらは新しいデータフレームを返すメソッドであるため、元のデータを変更せずに加工結果を得ることができます。

MultiIndex（多重カラム）の列名変更

実務のデータ集計（pivot_tableなど）の結果、列が多重構造（MultiIndex）になることがあります。

階層構造を持つ列名を変更する場合、renameメソッドでレベル（level）を指定します。

Python

# 多重インデックスを持つDataFrameの例
columns = pd.MultiIndex.from_tuples([('A', 'cat'), ('A', 'dog'), ('B', 'bird')])
df_multi = pd.DataFrame([[1, 2, 3]], columns=columns)

# 特定の階層（level）の値を変更
df_multi = df_multi.rename(columns={'cat': 'kitten'}, level=1)

print(df_multi)

実行結果

     A         B
  kitten dog bird
0      1   2    3

階層が深いデータセットを扱う際は、どのレベルのラベルを書き換えようとしているかを明示することがミスを防ぐ鍵となります。

データ読み込み時に列名を指定する方法

ファイル（CSVやExcel）を読み込む段階で、あらかじめ列名を正しく設定しておくことも効率化に繋がります。

pd.read_csv()関数の引数を利用することで、読み込み後のリネーム作業を省略できます。

names引数を使用する場合

元のファイルにヘッダー（列名行）が存在しない場合や、既存のヘッダーを完全に無視して新しい名前を付けたい場合に使用します。

Python

# 既存のヘッダーを無視して新しい列名を割り当てる
df = pd.read_csv('data.csv', names=['id', 'name', 'age'], header=0)

header=0を指定することで、元の1行目（古い列名）をデータとして読み込まずに破棄し、namesで指定したラベルを適用します。

列名変更時の注意点とベストプラクティス

列名を変更する作業自体は単純ですが、大規模なシステムやチーム開発では以下の点に注意が必要です。

1. 予約語や特殊文字を避ける

列名にスペース、ドット、ハイフン、またはPythonの予約語（class, forなど）を含めると、df.column_name形式のドットアクセスができなくなります。

可能な限りスネークケース（snake_case）で統一することを推奨します。

2. 重複した列名を作らない

Pandasは重複した列名を許可しますが、特定の列を抽出する際に予期せぬ動作（SeriesではなくDataFrameが返るなど）の原因となります。

変更後はdf.columns.is_uniqueを確認する癖をつけると良いでしょう。

3. errors=’raise’の活用（Pandas 1.5以降）

renameメソッドで存在しない列名を指定してしまった際、デフォルトでは何も起きません。

意図しないタイポ（打ち間違い）を検知したい場合は、errors='raise'引数を追加することで、辞書に存在しないキーがあった場合にエラーを発生させることができます。

Python

# 指定した列名が存在しない場合にエラーを出す設定
# df.rename(columns={'typo_name': 'new_name'}, errors='raise')

まとめ

Pandasにおける列名の変更は、データクレンジングの基本でありながら、非常に奥の深い作業です。

特定の列を安全に変えるならrenameメソッドを、一括で構造を変えるならcolumns属性への代入を選択しましょう。

また、2026年の開発環境においては、inplace=Trueを避け、関数の戻り値を活用するモダンなコーディングスタイルがスタンダードとなっています。

適切な列名を保つことは、自分自身の分析ミスを防ぐだけでなく、他の開発者がコードを理解する助けにもなります。

本記事で紹介したテクニックを駆使して、メンテナンス性の高いデータ処理パイプラインを構築してください。