Python Pandas Dataframe.rename()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas rename()方法用于重命名任何索引，列或行。列的重命名也可以通过dataframe.columns = [#list]。但在上述情况下，自由度不高。即使必须更改一列，也必须传递完整的列列表。另外，上述方法不适用于索引标签。

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

参数：
映射器，索引和列：字典值，键表示旧名称，值表示新名称。这些参数只能一次使用。
axis:int或字符串值，“ 0”表示行，“ 1”表示列。
copy:如果为True，则复制基础数据。
inplace:如果为True，则在原始 DataFrame 中进行更改。
level:用于在数据帧具有多个级别索引的情况下指定级别。

返回类型：具有新名称的 DataFrame

要下载代码中使用的CSV，请点击此处。

范例1：更改索引标签

在此示例中，名称列设置为索引列，稍后使用rename()方法更改其名称。

# importing pandas module 
import pandas as pd 
  
# making data frame from csv file 
data = pd.read_csv("nba.csv", index_col ="Name" ) 
  
# changing index cols with rename() 
data.rename(index = {"Avery Bradley":"NEW NAME", 
                     "Jae Crowder":"NEW NAME 2"}, 
                                 inplace = True) 
# display 
data

输出：
如输出图像中所示，第一和第二位置的索引标签的名称已更改为NEW NAME&NEW NAME 2。

范例2：更改多个列名

在此示例中，通过传递字典来更改多个列名。之后，将结果与使用.columns方法返回的数据帧进行比较。由于NaN == NaN将返回false，因此在比较之前将空值删除。

# importing pandas module 
import pandas as pd 
  
# making data frame from csv file 
data = pd.read_csv("nba.csv", index_col ="Name" ) 
  
  
# changing cols with rename() 
new_data = data.rename(columns = {"Team":"Team Name", 
                                  "College":"Education", 
                                  "Salary":"Income"}) 
  
# changing columns using .columns() 
data.columns = ['Team Name', 'Number', 'Position', 'Age', 
                'Height', 'Weight', 'Education', 'Income'] 
  
# dropna used to ignore na values 
print(new_data.dropna()== data.dropna())

输出：
如输出图像所示，由于所有值均为True，因此使用这两种方法的结果相同。

相关用法

注：本文由纯净天空筛选整理自Kartikaybhutani大神的英文原创作品 Python | Pandas Dataframe.rename()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。