Python学习笔记：pd.rename重命名行列索引标签

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()

参考链接：pandas.DataFrame.rename

参考链接：11、pandas的修改列名和索引rename()