一、介绍
df.rename() 方法用于重命名数据框行列的标签，即行索引、列标签。
可以传入一个字典或者一个函数，常用于数据预处理。
- 使用语法
DataFrame.rename(mapper=None, index=None, columns=None,
axis=None, copy=True, inplace=False,
level=None, errors='ignore')
- 参数解释
mapper -- 映射关系（字典、函数）
index -- 行索引
columns -- 列名
axis -- 修改方向 axis=0 行 axis=1 列
copy -- 复制底层数据
inplace -- 是否修改原数据
level -- 针对多层索引 指定级别
errors -- {'ignore', 'raise'} 忽略 or 报错
二、实操
1.创建测试数据集
import pandas as pd
df = pd.DataFrame({'A':[1,2,3],
'B':[4,5,6]})
'''
A B
0 1 4
1 2 5
2 3 6
'''
2.mapper
映射关系，可以是字典，也可以是一个函数。
# 修改行索引 传入字典
df.rename({0:100})
'''
A B
100 1 4
1 2 5
2 3 6
'''
# 传入函数
df.rename(lambda x: x+100)
'''
A B
100 1 4
101 2 5
102 3 6
'''
3.index/columns/axis
重命名时需要指定行、或者列方向。
df.rename(index=mapper)等同于df.rename(mapper, axis=0)df.rename(columns=mapper)等同于df.raname(mapper, axis=1)
# 修改行索引
df.rename(lambda x: x+100, axis=0)
'''
A B
100 1 4
101 2 5
102 3 6
'''
# 修改行索引
df.rename({1:2, 2:4}, axis='index')
# 修改列名
df.rename(lambda x: x+'100', axis=1)
df.rename(columns=lambda x: x+'100') # 同上
'''
A100 B100
0 1 4
1 2 5
2 3 6
'''
# 列名转换为小写
df.rename(str.lower, axis='columns')
# 传入字典
df.rename(columns={'A':'aa', 'B':'bb'})
'''
aa bb
0 1 4
1 2 5
2 3 6
'''
4.转换标签数据类型
df.index
# RangeIndex(start=0, stop=3, step=1)
df.rename(index=str).index
# Index(['0', '1', '2'], dtype='object')
5.修改不存在标签时报错
# 直接修改 忽略报错
df.rename(columns={'A':'aa', 'B':'bb', 'C':'cc'})
# 报错
df.rename(columns={'A':'aa', 'B':'bb', 'C':'cc'}, errors='raise')
# KeyError: "['C'] not found in axis"
三、结论
pd.rename() 方法适合于修改个别的索引和列名，如果需要大量修改或者全部修改的话，适合使用 set_index() 或者 reset_index() 方法。
多层索引也尽量避免使用。
参考链接：pandas学习之df.rename()