一、介紹

df.rename() 方法用於重新命名資料框行列的標籤，即行索引、列標籤。

可以傳入一個字典或者一個函式，常用於資料預處理。

• 使用語法

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

• 引數解釋

mapper -- 對映關係（字典、函式）
index -- 行索引
columns -- 列名
axis -- 修改方向 axis=0 行 axis=1 列
copy -- 複製底層資料
inplace -- 是否修改原資料
level -- 針對多層索引 指定級別
errors -- {'ignore', 'raise'} 忽略 or 報錯
 

二、實操

1.建立測試資料集

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

對映關係，可以是字典，也可以是一個函式。

# 修改行索引 傳入字典
df.rename({0:100})
'''
     A  B
100  1  4
1    2  5
2    3  6
'''

# 傳入函式
df.rename(lambda x: x+100)
'''
     A  B
100  1  4
101  2  5
102  3  6
'''
 

3.index/columns/axis

重新命名時需要指定行、或者列方向。

• df.rename(index=mapper) 等同於 df.rename(mapper, axis=0)
• df.rename(columns=mapper) 等同於 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
'''

# 列名轉換為小寫
df.rename(str.lower, axis='columns')

# 傳入字典
df.rename(columns={'A':'aa', 'B':'bb'})
'''
   aa  bb
0   1   4
1   2   5
2   3   6
'''
 

4.轉換標籤資料型別

df.index
# RangeIndex(start=0, stop=3, step=1)
df.rename(index=str).index
# Index(['0', '1', '2'], dtype='object')

5.修改不存在標籤時報錯

# 直接修改 忽略報錯
df.rename(columns={'A':'aa', 'B':'bb', 'C':'cc'})
# 報錯
df.rename(columns={'A':'aa', 'B':'bb', 'C':'cc'}, errors='raise')
# KeyError: "['C'] not found in axis"

三、結論

pd.rename() 方法適合於修改個別的索引和列名，如果需要大量修改或者全部修改的話，適合使用 set_index() 或者 reset_index() 方法。

多層索引也儘量避免使用。

參考連結：pandas學習之df.rename()

參考連結：pandas.DataFrame.rename

參考連結：11、pandas的修改列名和索引rename()