首先,df.rename()是pandas中用于重命名DataFrame或Series对象的方法。具体使用方法如下:
df.rename(columns={'old_column_name': 'new_column_name'}, inplace=True)
其中,columns
参数接受一个字典,键为旧列名,值为新列名。inplace
参数表示是否在原DataFrame上进行修改,默认为False。如果需要直接在原DataFrame上进行修改,请将其设为True。
除了修改列名,df.rename()
还可以用于修改索引名。实际上,DataFrame的列和索引名都是Series对象,因此具体使用方法类似。
例如,我们有一个DataFrame:
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie'],
'age': [26, 28, 25]
}
df = pd.DataFrame(data)
print(df)
输出:
name age
0 Alice 26
1 Bob 28
2 Charlie 25
如果我们想把'name'列改为'姓名'列,可以使用以下代码:
df.rename(columns={'name': '姓名'}, inplace=True)
print(df)
输出:
姓名 age
0 Alice 26
1 Bob 28
2 Charlie 25
我们还可以一次修改多列名:
df.rename(columns={'name': '姓名', 'age': '年龄'}, inplace=True)
print(df)
输出:
姓名 年龄
0 Alice 26
1 Bob 28
2 Charlie 25
接下来,我们来看一个修改索引名的示例。假设我们有以下DataFrame:
import numpy as np
data = {
'A': np.random.randn(3),
'B': np.random.randn(3)
}
df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])
print(df)
输出:
A B
row1 -1.632017 0.836148
row2 -0.031711 0.882749
row3 -0.110811 1.733453
如果我们想把行索引改为'标号1'、'标号2'、'标号3',可以使用以下代码:
df.rename(index={'row1': '标号1', 'row2': '标号2', 'row3': '标号3'}, inplace=True)
print(df)
输出:
A B
标号1 -1.632017 0.836148
标号2 -0.031711 0.882749
标号3 -0.110811 1.733453
以上两个示例介绍了pandas中df.rename()方法的具体使用方法。需要注意的是,该方法不会改变原来的数据,而是返回一个新的数据副本,因此需要使用inplace=True
才能在原始DataFrame上进行修改。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:pandas中df.rename()的具体使用 - Python技术站