快捷導(dǎo)航

pandas中df.rename()的具體使用

更新時間：2022年08月15日 15:21:43 作者：非昨

本文主要介紹了pandas中df.rename()的具體使用，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

df.rename()用于更改行列的標(biāo)簽，即行列的索引?？梢詡魅胍粋€字典或者一個函數(shù)。在數(shù)據(jù)預(yù)處理中，比較常用。

官方文檔：

DataFrame.rename(self, mapper=None, index=None, columns=None, axis=None, copy=True, inplace=False, level=None, errors=‘ignore’)

參數(shù)解釋：

創(chuàng)建實(shí)例

import pandas as pd 
df = pd.DataFrame({'name':['zhao','qian','sun','wang'],'mark':[150,122,155,132],'gender':['female','female','male','male']})
df

   name   mark   gender
0   zhao   150       female
1   qian   122       female
2   zhou   155       male
3   wang   132       male

mapper：dict or function

映射關(guān)系，可以是字典，也可以是一個函數(shù)。

df.rename({0:111})
?? ?name?? ?mark?? ?gender
111?? ?zhao?? ?150?? ??? ?female #行索引從0變?yōu)?11
1?? ?qian?? ?122?? ??? ?female
2?? ?zhou?? ?155?? ??? ?male
3?? ?wang?? ?132?? ??? ?male

df.rename(lambda x: x+11) #參數(shù)也可以是函數(shù)，索引都加了11
?? ?name?? ?mark?? ?gender
11?? ?zhao?? ?150?? ??? ?female
12?? ?qian?? ?122?? ??? ?female
13?? ?zhou?? ?155?? ??? ?male
14?? ?wang?? ?132?? ??? ?male

index、columns、axis：

這3個參數(shù)作用類似，dataframe中有行和列兩個方向，在改名時，需要指明改名的是行還是列（默認(rèn)是行），使用df.rename（index = mapper）或者df.rename(columns=mapper)的形式，和df.rename(mapper，axis=0 or 1)的效果是一樣的

df.rename(lambda x: x+'11',axis=1)
?? ?name11?? ?mark11?? ?gender11 ?#列索引都加了11，name變?yōu)閚ame11
0?? ?zhao?? ?150?? ??? ?female
1?? ?qian?? ?122?? ??? ?female
2?? ?zhou?? ?155?? ??? ?male
3?? ?wang?? ?132?? ??? ?male

df.rename(columns=lambda x: x+'11')#等價(jià)于上面，寫法更簡潔直觀
?? ?name11?? ?mark11?? ?gender11
0?? ?zhao?? ?150?? ??? ?female
1?? ?qian?? ?122?? ??? ?female
2?? ?zhou?? ?155?? ??? ?male
3?? ?wang?? ?132?? ??? ?male

copy：bool，default = True

默認(rèn)為True，效果不清楚。。。文檔就一句話，與會復(fù)制底層數(shù)據(jù)（also copy underlying data), 等一個課代表解答一下。

inplace：bool，default False

將結(jié)果返回賦值給原變量，無需再次將結(jié)果賦值給新變量。即df.rename(inplace=True)之后，df的值發(fā)生改變（pandas中好多方法都有這個參數(shù)，此處就演示了）

level int，level name，default none

針對多層索引，指定需要改名字的索引具體是哪一個。

df1 = pd.DataFrame([10,11,12,13],index=[['a','a','b','b'],[1,2,3,4],[4,3,2,1]],columns=['tt'])
df1
            tt #前三列都為索引
a    1    4    10
    2    3    11
b    3    2    12
    4    1    13
    
df1.rename(index={1:'dd'})
            tt#索引中所有的1都變成了dd
a    dd    4    10
    2    3    11
b    3    2    12
    4    dd    13
    
df1.rename(index={1:'dd'},level=1)
            tt#只有第2列索引改為dd（從0開始計(jì)數(shù)）
a    dd    4    10
    2    3    11
b    3    2    12
    4    1    13

errors:{‘ignore’, ‘raise’}, default ‘ignore’

發(fā)生錯誤的處理方式，ignore為忽略，raise為報(bào)錯。比如改名字是，如果傳入的參數(shù)中包含索引列沒有的值，就會報(bào)錯，ignore或者raise來決定錯誤的處理方式

df1
            tt #前三列都為索引
a    1    4    10
    2    3    11
b    3    2    12
    4    1    13
    
df1.rename(index={11:'dd'},level=1,errors='raise')
KeyError: '[11] not found in axis'#報(bào)錯，11沒在索引內(nèi)

到此這篇關(guān)于pandas中df.rename()的具體使用的文章就介紹到這了,更多相關(guān)pandas df.rename()內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: