【Python】进阶学习：pandas--rename()用法详解

【Python】进阶学习：pandas-- rename()用法详解

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DataFramedf = 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_name30          1          4          71          2          5          82          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DataFramedf = 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_name30          1          4          71          2          5          82          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DataFramedf = 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：

               A  Ba  1  4b  2  5z  3  6

            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DataFramedf = 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_name20          1          41          2          52          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。

              七、期待与你共同进步

                 亲爱的读者，非常感谢你每一次的停留和阅读！你的支持是我们前行的最大动力！

                 在这茫茫网海中，有你的关注，我们深感荣幸。你的每一次点赞、收藏、评论和关注，都像是明灯一样照亮我们前行的道路，给予我们无比的鼓舞和力量。

                 我们会继续努力，为你呈现更多精彩和有深度的内容。同时，我们非常欢迎你在评论区留下你的宝贵意见和建议，让我们共同进步，共同成长！

                 无论你在编程的道路上遇到什么困难，都希望你能坚持下去，因为每一次的挫折都是通往成功的必经之路。我们期待与你一起书写编程的精彩篇章！

                 最后，再次感谢你的厚爱与支持！愿你在编程的道路上越走越远，收获满满的成就和喜悦！祝你编程愉快！