【Python】进阶学习：pandas--rename()用法详解

本文主要是介绍【Python】进阶学习：pandas--rename()用法详解，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

【Python】进阶学习：pandas-- rename()用法详解

在这里插入图片描述

🌈 个人主页：高斯小哥
🔥 高质量专栏：Matplotlib之旅：零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程👈 希望得到您的订阅和支持~
💡 创作高质量博文(平均质量分92+)，分享更多关于深度学习、PyTorch、Python领域的优质内容！（希望得到您的关注~）

🌵文章目录🌵

📚 一、pandas中的rename()函数简介
🛠️ 二、基本用法
- 💡 示例1：重命名DataFrame的列标签
📈 三、使用函数进行映射
- 💡 示例2：使用函数重命名列标签
🔄 四、重命名索引
- 💡 示例3：重命名DataFrame的索引
🔄 五、inplace参数的使用
- 💡 示例4：直接在原始DataFrame上重命名
🚫 六、注意事项和常见错误
🤝 七、期待与你共同进步

📚 一、pandas中的rename()函数简介

在pandas库中，rename()函数是一个非常实用的工具，用于重命名DataFrame或Series的索引和列标签。它提供了一种灵活的方式来修改数据集的标签，使得数据更加易于理解和处理。通过rename()函数，我们可以方便地对数据进行重命名操作，以满足不同的数据分析和处理需求。

🛠️ 二、基本用法

rename()函数的基本语法如下：

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

mapper：一个函数，用于映射旧标签到新标签。
index：标签或标签列表，用于指定索引的新标签。
columns：标签或标签列表，用于指定列的新标签。
axis：指定要重命名的轴，0或’index’表示索引，1或’columns’表示列。
copy：布尔值，默认为True，表示是否创建原始数据的副本。
inplace：布尔值，默认为False，表示是否直接在原始数据上进行修改。
level：用于多层索引或列的多级标签的重命名。
errors：指定如何处理重命名时遇到的错误，默认为’ignore’。

💡 示例1：重命名DataFrame的列标签

import pandas as pd# 创建一个简单的DataFrame
df = pd.DataFrame({'old_name1': [1, 2, 3],'old_name2': [4, 5, 6],'old_name3': [7, 8, 9]
})# 使用rename()重命名列标签
df_renamed = df.rename(columns={'old_name1': 'new_name1', 'old_name2': 'new_name2'})print(df_renamed)

输出：

   new_name1  new_name2  old_name3
0          1          4          7
1          2          5          8
2          3          6          9

📈 三、使用函数进行映射

rename()函数还可以接受一个函数作为mapper参数，该函数用于根据旧标签生成新标签。这种方式非常适合对标签进行批量处理或应用复杂的重命名逻辑。

💡 示例2：使用函数重命名列标签

import pandas as pd# 创建一个简单的DataFrame
df = pd.DataFrame({'old_name1': [1, 2, 3],'old_name2': [4, 5, 6],'old_name3': [7, 8, 9]
})# 定义一个函数，用于生成新标签
def rename_func(label):return label.replace('old', 'new')# 使用rename()和函数重命名列标签
df_renamed = df.rename(columns=rename_func)print(df_renamed)

输出：

   new_name1  new_name2  new_name3
0          1          4          7
1          2          5          8
2          3          6          9

🔄 四、重命名索引

除了列标签，rename()函数还可以用于重命名DataFrame的索引。这对于需要对行标签进行特殊处理的场景非常有用。

💡 示例3：重命名DataFrame的索引

import pandas as pd# 创建一个简单的DataFrame
df = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6]
}, index=['x', 'y', 'z'])# 使用rename()重命名索引
df_renamed = df.rename(index={'x': 'a', 'y': 'b'})print(df_renamed)

输出：

🔄 五、inplace参数的使用

inplace参数允许我们直接在原始DataFrame上进行修改，而无需创建副本。这可以节省内存并提高代码的执行效率。

💡 示例4：直接在原始DataFrame上重命名

import pandas as pd# 创建一个简单的DataFrame
df = pd.DataFrame({'old_name1': [1, 2, 3],'old_name2': [4, 5, 6]
})# 使用rename()并设置inplace=True直接在原始DataFrame上重命名
df.rename(columns={'old_name1': 'new_name1'}, inplace=True)print(df) # 由于inplace=True，原始DataFrame已经被修改

输出：

   new_name1  old_name2
0          1          4
1          2          5
2          3          6

🚫 六、注意事项和常见错误

在使用rename()函数时，有一些常见的注意事项和可能遇到的错误：

确保提供的映射关系是正确的，否则可能会导致重命名失败或产生不期望的结果。
如果inplace=True，请确保你不需要保留原始DataFrame的副本，因为重命名操作会直接修改原始数据。
如果遇到错误，如KeyError，可能是因为提供的标签在DataFrame中不存在。使用errors='ignore'可以忽略这些错误，但最好确保你的映射关系是准确的。