> dataset.columns
Index(['age', 'job', 'marital', 'education', 'default', 'housing', 'loan',
    'contact', 'month', 'day_of_week', 'duration', 'campaign', 'pdays',
    'previous', 'poutcome', 'emp.var.rate', 'cons.price.idx',
    'cons.conf.idx', 'euribor3m', 'nr.employed', 'y'],
   dtype='object')

> new_columns
Index(['age_0', 'job_1', 'marital_2', 'education_3', 'default_4', 'housing_5',
    'loan_6', 'contact_7', 'month_8', 'day_of_week_9', 'duration_10',
    'campaign_11', 'pdays_12', 'previous_13', 'poutcome_14',
    'emp.var.rate_15', 'cons.price.idx_16', 'cons.conf.idx_17',
    'euribor3m_18', 'nr.employed_19', 'y_20'],
   dtype='object')

> # 先解决`new_columns`的推导问题
> # 列表推导
> new_columns_list = [column_str+'_'+str(i) for i ,column_str in enumerate(dataset.columns)]
> # 类型转换
> new_columns = pd.core.indexes.base.Index(new_columns_list)
> dataset.columns = new_columns

> # 注:mapper 多运用 lambda 表达式
> # 但我似乎没有找到在 lambda 表达式中改变两个值的方法
> # 所以只能蹩脚地用一个全局变量i, 和映射函数mapper()
> # 希望大家能帮我找到方法

> i = 0
> def mapper(x): # 映射函数即 mapper
  global i
  x += '_' + str(i)
  i += 1
  return x
> dataset.columns.map(mapper)

> # 此处先用字典推导法
> new_dict = {
  key:key+'_'+str(i)
  for i, key in enumerate(dataset.columns)
  }
> dataset.rename(columns=new_dict, inplace=True)

> # 原博文依然用到了 lambda 表达式
> # 我就再生搬硬套一次, 把上面的复制过来
> # 蹩脚地用一个全局变量i, 和映射函数mapper()

> i = 0
> def mapper(x): # 映射函数即 mapper
  global i
  x += '_' + str(i)
  i += 1
  return x
dataset.rename(columns=mapper, inplace=True)