博客

详解pandas.rename()（重命名列名）函数使用方法

  • Post category:Python

pandas库是Python中用于数据分析和处理的重要工具，在pandas库中有一个rename()方法，可以用来更改DataFrame或Series的行或列标签。本文将详细讲解pandas.rename()的作用与用法。

作用

pandas.rename()的主要作用是更改DataFrame或Series的行或列标签，改变标签后可以提高数据的可读性和理解性，常用于重命名数据中的某些特征或正确标记数据标签。

使用方法

pandas.rename()的语法如下所示：

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

其中各参数含义如下：

  • mapper: 字典类型，用来设置旧列名与新列名的映射关系，可以对行和列同时进行映射；
  • index: 字典类型，用来设置旧行名与新行名的映射关系；
  • columns: 字典类型，用来设置旧列名与新列名的映射关系；
  • axis: 设置是对行名进行映射（axis=0，和index等效）还是对列名进行映射（axis=1，和columns等效）；
  • copy: 是否创建对源数据的副本，缺省为True；
  • inplace: 是否在原数据上进行改变，缺省为False；
  • level: 多级行索引或列索引的指定级别。

下面给出几个使用pandas.rename()的示例。

示例1：更改列名

假设有一份数据集，包含姓名、年龄、性别和成绩四列，现需要将“年龄”列改为“年龄段”，将“成绩”列改为“得分”，代码如下：

import pandas as pd

#创建数据
data = {'姓名':['小明','小红','小张'],
        '年龄':[18,20,19],
        '性别':['男','女','男'],
        '成绩':[98,86,92]}

#生成DataFrame
df=pd.DataFrame(data)

#更改列名
df.rename(columns={'年龄':'年龄段','成绩':'得分'},inplace=True)

#输出结果
print(df)

输出的结果如下：

   姓名  年龄段 性别  得分
0  小明   18  男   98
1  小红   20  女   86
2  小张   19  男   92

示例2：更改行名

假设有一份数据集，列名为1、2、3、4，现需要将1、2、3、4四个数字分别改为“Jan”、“Feb”、“Mar”、“Apr”，代码如下：

import pandas as pd

#创建数据
data = {1:[10,20,30],
        2:[40,50,60],
        3:[70,80,90],
        4:[100,110,120]}

#生成DataFrame
df=pd.DataFrame(data)

#更改行名
df.rename(index={0:'Jan',
           1:'Feb',
           2:'Mar',
           3:'Apr'},inplace=True)

#输出结果
print(df)

输出的结果如下：

     1    2    3    4
Jan  10   40   70  100
Feb  20   50   80  110
Mar  30   60   90  120

总结

本文介绍了pandas.rename()的作用和使用方法，主要包括mapper、index、columns、axis、copy、inplace和level等参数，常用于更改DataFrame或Series的行或列标签。通过合理运用pandas.rename()可以提高数据可读性和理解性，方便进行后续的数据分析。

Tags: