pandas rename

pandas rename

什么是pandas rename

在pandas中，rename()函数是一种用于重命名DataFrame和Series对象的方法。它可以让我们轻松地修改数据集中的列名或索引名，以便更好地反映数据的含义。这在数据处理和分析中非常有用，可以提高代码的可读性和可维护性。

使用示例

示例1：重命名DataFrame的列名

import pandas as pd

# 创建一个DataFrame
data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': [25, 30, 35]}
df = pd.DataFrame(data)

# 使用rename()方法重命名列名
df = df.rename(columns={'name': '姓名', 'age': '年龄'})

print(df)

运行结果：

       姓名  年龄
0   Alice  25
1     Bob  30
2  Charlie  35

在这个示例中，我们创建了一个包含’name’和’age’列的DataFrame，并使用rename()函数将列名’姓名’和’年龄’分别改为’姓名’和’年龄’。

示例2：重命名Series的索引名

import pandas as pd

# 创建一个Series
data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': [25, 30, 35]}
s = pd.Series(data['age'], index=data['name'])

# 使用rename()方法重命名索引名
s = s.rename('姓名')

print(s)

运行结果：

Alice      25
Bob        30
Charlie    35
Name: 姓名, dtype: int64

在这个示例中，我们创建了一个以’name’列作为索引的Series，并使用rename()函数将索引名’姓名’改为’姓名’。

示例3：使用lambda函数自定义重命名规则

import pandas as pd

# 创建一个DataFrame
data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': [25, 30, 35]}
df = pd.DataFrame(data)

# 使用lambda函数定义重命名规则
df = df.rename(columns=lambda x: x.upper())

print(df)

运行结果：

   NAME  AGE
0  Alice   25
1    Bob   30
2 Charlie   35

在这个示例中，我们使用lambda函数将所有列名改为大写形式。

总结

通过使用pandas中的rename()函数，我们可以方便地修改DataFrame和Series对象的列名和索引名，从而提高数据处理和分析的效率。在实际应用中，我们可以根据自己的需求选择不同的重命名规则，让代码更加灵活和易读。