建站系统的应用场景百度网盘链接

Pandas2.2 DataFrame

Reindexing selection label manipulation

方法	描述
DataFrame.add_prefix(prefix[, axis])	用于在 DataFrame 的行标签或列标签前添加指定前缀的方法
DataFrame.add_suffix(suffix[, axis])	用于在 DataFrame 的行标签或列标签后添加指定后缀的方法
DataFrame.align(other[, join, axis, level, …])	用于对齐两个 DataFrame 或 Series 的方法
DataFrame.at_time(time[, asof, axis])	用于筛选 特定时间点 的行的方法
DataFrame.between_time(start_time, end_time)	用于筛选 指定时间范围内的数据行 的方法
DataFrame.drop([labels, axis, index, …])	用于从 DataFrame 中删除指定行或列的方法
DataFrame.drop_duplicates([subset, keep, …])	用于删除重复行的方法
DataFrame.duplicated([subset, keep])	用于检测 重复行 的方法
DataFrame.equals(other)	用于比较两个 DataFrame 是否完全相等的方法
DataFrame.filter([items, like, regex, axis])	用于筛选列或行标签的方法
DataFrame.first(offset)	用于选取 时间序列型 DataFrame 中从起始时间开始的一段连续时间窗口 的方法
DataFrame.head([n])	用于快速查看 DataFrame 前几行数据 的方法
DataFrame.idxmax([axis, skipna, numeric_only])	用于查找 每列或每行中最大值的索引标签 的方法
DataFrame.idxmin([axis, skipna, numeric_only])	用于查找 每列或每行中最小值的索引标签 的方法
DataFrame.last(offset)	用于选取 时间序列型 DataFrame 中从最后时间点开始向前截取一段指定长度的时间窗口 的方法
DataFrame.reindex([labels, index, columns, …])	用于重新索引 DataFrame 的核心方法
DataFrame.reindex_like(other[, method, …])	用于将当前 DataFrame 的索引和列重新设置为与另一个对象（如另一个 DataFrame 或 Series）相同
DataFrame.rename([mapper, index, columns, …])	用于重命名 DataFrame 的行索引标签或列名的方法

pandas.DataFrame.rename()

pandas.DataFrame.rename() 是一个用于重命名 DataFrame 的行索引标签或列名的方法。它允许通过映射函数、字典或函数来修改索引或列的名称，常用于数据清洗和预处理。

---

📌 方法签名

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

---

🔧 参数说明

参数	类型	说明
mapper	dict 或 callable	用于映射旧标签到新标签的字典或函数（默认作用于 axis=1 即列）
index	dict 或 callable	仅用于重命名行索引
columns	dict 或 callable	仅用于重命名列名
axis	{0/'index', 1/'columns'}，默认为 1	指定作用轴
copy	bool，默认 True	是否复制底层数据
inplace	bool，默认 False	是否在原对象上修改
level	int 或 str，可选	多级索引时指定层级
errors	{'ignore', 'raise'}，默认 'ignore'	如果键不存在是否报错

---

✅ 返回值

• 返回一个新的 DataFrame，其索引或列名已被重命名；
• 若 inplace=True，则返回 None。

---

🧪 示例代码及结果

示例 1：使用字典重命名列名

import pandas as pddf = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6]
}, index=['x', 'y', 'z'])# 使用字典重命名列名
df_renamed = df.rename(columns={'A': 'NewA', 'B': 'NewB'})print("Original DataFrame:")
print(df)
print("\nRenamed Columns:")
print(df_renamed)

输出结果：

Original DataFrame:A  B
x  1  4
y  2  5
z  3  6Renamed Columns:NewA  NewB
x     1      4
y     2      5
z     3      6

---

示例 2：使用函数批量重命名列名（如添加前缀）

# 使用函数添加前缀
df_prefix = df.rename(columns=lambda col: 'Col_' + col)print("\nColumns with prefix:")
print(df_prefix)

输出结果：

Columns with prefix:Col_A  Col_B
x      1      4
y      2      5
z      3      6

---

示例 3：重命名行索引标签

# 重命名行索引
df_index_renamed = df.rename(index={'x': 'row1', 'y': 'row2'})print("\nIndex renamed:")
print(df_index_renamed)

输出结果：

Index renamed:A  B
row1  1  4
row2  2  5
z     3  6

---

示例 4：同时重命名行和列（使用 index 和 columns）

df_both = df.rename(index={'x': 'rowX', 'y': 'rowY'},columns={'A': 'ColA', 'B': 'ColB'}
)print("\nBoth index and columns renamed:")
print(df_both)

输出结果：

Both index and columns renamed:ColA  ColB
rowX       1     4
rowY       2     5
z          3     6

---

示例 5：使用 inplace=True 原地修改

df.rename(columns={'A': 'AAA'}, inplace=True)
print("\nInplace rename (modified original):")
print(df)

输出结果：

Inplace rename (modified original):AAA  B
x    1  4
y    2  5
z    3  6

---

示例 6：忽略不存在的键（errors=‘ignore’）

# 忽略不存在的列名
df_ignore = df.rename(columns={'C': 'NewC'}, errors='ignore')
print("\nIgnore non-existent column 'C':")
print(df_ignore)

输出结果：

Ignore non-existent column 'C':AAA  B
x    1  4
y    2  5
z    3  6

---

示例 7：多级索引重命名（level 参数）

# 创建多级索引 DataFrame
df_multi = pd.DataFrame({'value': [10, 20, 30]
}, index=pd.MultiIndex.from_tuples([('a', 1), ('a', 2), ('b', 1)], names=['group', 'id']))# 重命名第一级索引
df_level_renamed = df_multi.rename(index={'a': 'groupA', 'b': 'groupB'}, level=0)print("\nMultiIndex rename (level=0):")
print(df_level_renamed)

输出结果：

MultiIndex rename (level=0):value
group    id          
groupA   1        102        20
groupB   1        30

---

🧠 应用场景

• 数据清洗中统一列名格式（如大小写、空格、前缀等）；
• 多源数据合并前标准化字段名；
• 多级索引结构优化；
• 提高可读性（如将英文列名翻译成中文）；
• 模型预测后与原始数据结构对齐。

---

⚠️ 注意事项

• 默认不会修改原始 DataFrame，除非设置 inplace=True；
• 可以使用字典或函数进行灵活重命名；
• 支持多级索引，通过 level 控制层级；
• 使用 errors='ignore' 可避免因不存在的键报错；
• rename() 不会改变数据内容，只改变标签名称。