pandas rename函数

pandas rename函数

在pandas中，rename()函数是用来重命名DataFrame或Series的，通过修改列名或索引名，可以帮助我们更清晰地理解数据和进行更有效的分析。本文将详细介绍rename()函数的用法、参数及示例代码，帮助读者更好地理解和掌握这个函数。

rename()函数的基本语法

rename()函数的基本语法如下：

DataFrame.rename(mapper=None, index=None, columns=None, axis=None, copy=True, inplace=False, level=None)

其中，参数含义如下：

• mapper：用于指定要重命名的列名或索引名的映射关系，可以是字典、函数或者参数对形式。
• index：用于指定是否重命名索引。
• columns：用于指定是否重命名列。
• axis：用于指定是重命名行索引还是列索引，可选取值为0或1，默认为1。
• copy：是否对数据进行拷贝，默认为True。
• inplace：是否在原数据上进行修改，默认为False。
• level：对于层次索引的DataFrame，指定要修改的层级。

示例代码

下面我们通过一些示例代码来演示rename()函数的用法：

示例1：重命名列名

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

df_renamed = df.rename(columns={'A': 'Apple', 'B': 'Banana'})
print(df_renamed)

运行结果：

   Apple  Banana
0      1       4
1      2       5
2      3       6

示例2：重命名索引名

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

df_renamed = df.rename(index={0: 'First', 1: 'Second', 2: 'Third'})
print(df_renamed)

运行结果：

       A  B
First   1  4
Second  2  5
Third   3  6

示例3：同时重命名列名和索引名

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

df_renamed = df.rename(index={0: 'First', 1: 'Second', 2: 'Third'}, columns={'A': 'Apple', 'B': 'Banana'})
print(df_renamed)

运行结果：

       Apple  Banana
First      1       4
Second     2       5
Third      3       6

注意事项

在使用rename()函数时，需要注意以下几点：

• 如果要对列名进行重命名，则需要将columns参数设置为指定的映射关系。
• 如果要对索引名进行重命名，则需要将index参数设置为指定的映射关系。
• 要同时对行索引和列名进行重命名，可以通过同时设置index和columns参数来实现。
• 如果想直接在原数据上进行修改，可以将inplace参数设置为True。

通过本文的介绍，相信读者对rename()函数的用法和参数有了更清晰的了解。