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
python
复制代码
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
python
复制代码
import pandas as pd
df = 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：
复制代码
Original DataFrame:
A B
x 1 4
y 2 5
z 3 6
Renamed 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）
python
复制代码
# 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：
复制代码
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
python
复制代码
# 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：
复制代码
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）
python
复制代码
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：
复制代码
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
python
复制代码
df.rename(columns={'A': 'AAA'}, inplace=True)
print("\nInplace rename (modified original):")
print(df)
输出结果：
复制代码
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'）
python
复制代码
# 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：
复制代码
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）
python
复制代码
# 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：
复制代码
MultiIndex rename (level=0):
value
group id
groupA 1 10
2 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。