pandas中df.rename()的具体使用

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。