极客笔记pandas列重命名
介绍
在使用 pandas 处理数据的时候，经常需要对数据集的列名称进行重新命名。这可以通过 pandas 提供的 rename() 方法来实现。本文将详细介绍 pandas 中的列重命名操作，并提供一些示例代码和运行结果。
pandas 的 rename() 方法
rename() 方法是 pandas 中用于对 DataFrame 或 Series 的索引、列名进行重新命名的方法。它接受一个字典作为参数，字典中的键表示原始的索引或列名，值表示更新后的索引或列名。
重命名列名
首先我们来看一个简单的示例，并展示如何使用 rename() 方法来重命名 DataFrame 的列名。
import pandas as pd
# 创建一个示例 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)
# 输出原始的 DataFrame
print("原始的 DataFrame：")
print(df)
# 重命名列名
df = df.rename(columns={'Name': '姓名', 'Age': '年龄', 'City': '城市'})
# 输出重命名后的 DataFrame
print("重命名后的 DataFrame：")
print(df)
运行以上代码，输出如下所示：
原始的 DataFrame：
Name Age City
0 Alice 25 New York
1 Bob 30 London
2 Charlie 35 Paris
重命名后的 DataFrame：
姓名 年龄 城市
0 Alice 25 New York
1 Bob 30 London
2 Charlie 35 Paris
可以看到，原始的 DataFrame 中的列名被成功地重命名为 '姓名'、'年龄' 和 '城市'。
重命名索引
除了列名，rename() 方法还可以用于重命名索引。我们来看一个示例，展示如何使用 rename() 方法来重命名 DataFrame 的索引。
import pandas as pd
# 创建一个示例 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)
df = df.set_index('Name') # 将 'Name' 列设置为索引列
# 输出原始的 DataFrame
print("原始的 DataFrame：")
print(df)
# 重命名索引
df = df.rename(index={'Alice': 'A', 'Bob': 'B', 'Charlie': 'C'})
# 输出重命名后的 DataFrame
print("重命名后的 DataFrame：")
print(df)
运行以上代码，输出如下所示：
原始的 DataFrame：
Age City
Name
Alice 25 New York
Bob 30 London
Charlie 35 Paris
重命名后的 DataFrame：
Age City
Name
A 25 New York
B 30 London
C 35 Paris
可以看到，原始的 DataFrame 中的索引被成功地重命名为 'A'、'B' 和 'C'。
rename() 方法的其他用途
除了简单的列名和索引重命名，rename() 方法还可以进行更复杂的操作。下面我们来介绍一些常见的用途。
重命名部分列名或索引
rename() 方法还可以用于仅仅重命名 DataFrame 或 Series 中的某些列名或索引。我们可以通过传递一个函数来实现这个目的。
import pandas as pd
# 创建一个示例 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)
# 输出原始的 DataFrame
print("原始的 DataFrame：")
print(df)
# 通过函数重命名部分列名
df = df.rename(columns=lambda x: x.upper() if x.startswith('C') else x)
# 输出重命名后的 DataFrame
print("重命名后的 DataFrame：")
print(df)
运行以上代码，输出如下所示：
原始的 DataFrame：
Name Age City
0 Alice 25 New York
1 Bob 30 London
2 Charlie 35 Paris
重命名后的 DataFrame：
Name Age CITY
0 Alice 25 NEW YORK
1 Bob 30 LONDON
2 Charlie 35 PARIS
可以看到，通过传递一个函数，我们将以字母 'C' 开头的列名重命名为大写格式。其余列名保持不变。
在原地修改或创建副本
默认情况下，rename() 方法返回一个副本，而不是在原始 DataFrame 或 Series 上进行修改。如果想在原地进行修改，可以设置 inplace=True 参数。
import pandas as pd
# 创建一个示例 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)
# 输出原始的 DataFrame
print("原始的 DataFrame：")
print(df)
# 在原地进行重命名
df.rename(columns={'Name': '姓名', 'Age': '年龄', 'City': '城市'}, inplace=True)
# 输出重命名后的 DataFrame
print("重命名后的 DataFrame：")
print(df)
运行以上代码，输出与之前的示例相同。注意，在原地进行修改时，不需要对 DataFrame 进行重新赋值。
修改索引和列名的标签
rename() 方法还可以用于修改索引和列名的标签。它接受一个字典作为参数，字典中的键表示原始的标签，值表示更新后的标签。
import pandas as pd
# 创建一个示例 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)
df = df.set_index('Name') # 将 'Name' 列设置为索引列
# 输出原始的 DataFrame
print("原始的 DataFrame：")
print(df)
# 修改索引和列名的标签
df = df.rename(index=str.title, columns=str.upper)
# 输出重命名后的 DataFrame
print("重命名后的 DataFrame：")
print(df)
运行以上代码，输出如下所示：
原始的 DataFrame：
Age City
Name
Alice 25 New York
Bob 30 London
Charlie 35 Paris
重命名后的 DataFrame：
AGE CITY
Name
Alice 25 NEW YORK
Bob 30 LONDON
Charlie 35 PARIS
可以看到，通过传递函数 str.title 和 str.upper，我们将索引和列名的标签修改为了标题格式和大写格式。
结论
通过使用 pandas 的 rename() 方法，我们可以轻松地对 DataFrame 或Series 的列名和索引进行重命名操作。我们可以通过传递一个字典或函数来指定需要重命名的列名或索引，并可以选择在原地修改或创建副本。此外，rename() 方法还可以进行更复杂的操作，如仅重命名部分列名或索引，修改索引和列名的标签等。
重命名列名和索引在数据分析和处理中经常遇到的需求。通过重命名，我们可以提高数据的可读性和可操作性，使得数据分析更加方便快捷。
这篇文章介绍了 pandas 的 rename() 方法的用法，并给出了一些示例代码和运行结果。