pandas中df.rename()的具体使用

第pandas中df.rename()的具体使用df.rename()用于更改行列的标签，即行列的索引。可以传入一个字典或者一个函数。在数据预处理中，比较常用。

官方文档：

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

参数解释：

创建实例

importpandasaspd

df=pd.DataFrame({'name':['zhao','qian','sun','wang'],'mark':[150,122,155,132],'gender':['female','female','male','male']})

df

namemarkgender

0zhao150female

1qian122female

2zhou155male

3wang132male

mapper：dictorfunction

映射关系，可以是字典，也可以是一个函数。

df.rename({0:111})

name

mark

gender

111

zhao

150

female#行索引从0变为111

1

qian

122

female

2

zhou

155

male

3

wang

132

male

df.rename(lambdax:x+11)#参数也可以是函数，索引都加了11

name

mark

gender

11

zhao

150

female

12

qian

122

female

13

zhou

155

male

14

wang

132

male

index、columns、axis：

这3个参数作用类似，dataframe中有行和列两个方向，在改名时，需要指明改名的是行还是列（默认是行），使用df.rename（index=mapper）或者df.rename(columns=mapper)的形式，和df.rename(mapper，axis=0or1)的效果是一样的

df.rename(lambdax:x+'11',axis=1)

name11

mark11

gender11

#列索引都加了11，name变为name11

0

zhao

150

female

1

qian

122

female

2

zhou

155

male

3

wang

132

male

df.rename(columns=lambdax:x+'11')#等价于上面，写法更简洁直观

name11

mark11

gender11

0

zhao

150

female

1

qian

122

female

2

zhou

155

male

3

wang

132

male

copy：bool，default=True

默认为True，效果不清楚。。。文档就一句话，与会复制底层数据（alsocopyunderlyingdata),等一个课代表解答一下。

inplace：bool，defaultFalse

将结果返回赋值给原变量，无需再次将结果赋值给新变量。即df.rename(inplace=True)之后，df的值发生改变（pandas中好多方法都有这个参数，此处就演示了）

levelint，levelname，defaultnone

针对多层索引，指定需要改名字的索引具体是哪一个。

df1=pd.DataFrame([10,11,12,13],index=[['a','a','b','b'],[1,2,3,4],[4,3,2,1]],columns=['tt'])

tt#前三列都为索引

a1410

2311

b3212

4113

df1.rename(index={1:'dd'})

tt#索引中所有的1都变成了dd

add410

2311

b3212

4dd13

df1.rename(index={1:'dd'},level=1)

tt#只有第2列索引改为dd（从0开始计数）

add410

2311

b3212

4113

errors:{ignore,raise},defaultignore

发生错误的处理方式，ignore为忽略，raise为报错。比如改名字是，如果传入的参数中包含索引列没有的值，就会报错，ignore或者raise来决定错误的处理方式

df1

tt#前三列都为索引

a1410

23