重命名Pandas DataFrame索引
我有一个没有标题的csv文件，有一个DateTime索引。 我想重命名索引和列名称，但使用df.rename（）只重命名列名称。 错误？ 我在版本0.12.0
In [2]: df = pd.read_csv(r'D:\Data\DataTimeSeries_csv//seriesSM.csv', header=None, parse_dates=[[0]], index_col=[0] ) In [3]: df.head() Out[3]: 1 0 2002-06-18 0.112000 2002-06-22 0.190333 2002-06-26 0.134000 2002-06-30 0.093000 2002-07-04 0.098667 In [4]: df.rename(index={0:'Date'}, columns={1:'SM'}, inplace=True) In [5]: df.head() Out[5]: SM 0 2002-06-18 0.112000 2002-06-22 0.190333 2002-06-26 0.134000 2002-06-30 0.093000 2002-07-04 0.098667 rename方法将索引的字典应用于索引值 。
你想重命名为索引级别的名称：
df.index.names = ['Date']
考虑这个问题的好方法是列和索引是相同types的对象（ Index或多MultiIndex ），并且可以通过转置来交换这两个对象。
这有点令人困惑，因为索引名与列有相似的含义，所以这里有更多的例子：
In [1]: df = pd.DataFrame([[1, 2, 3], [4, 5 ,6]], columns=list('ABC')) In [2]: df Out[2]: ABC 0 1 2 3 1 4 5 6 In [3]: df1 = df.set_index('A') In [4]: df1 Out[4]: BC A 1 2 3 4 5 6
您可以在索引上看到重命名，可以更改值 1：
In [5]: df1.rename(index={1: 'a'}) Out[5]: BC A a 2 3 4 5 6 In [6]: df1.rename(columns={'B': 'BB'}) Out[6]: BB C A 1 2 3 4 5 6
重命名级别名称：
In [7]: df1.index.names = ['index'] df1.columns.names = ['column']
注意：这个属性只是一个列表，你可以做一个列表理解/映射的重命名。
In [8]: df1 Out[8]: column BC index 1 2 3 4 5 6
在Pandas版本0.13及更高版本中，索引级别名称是不可变的（typesFrozenList ），不能再直接设置。 您必须首先使用Index.rename()将新的索引级别名称应用于索引，然后使用DataFrame.reindex()将新的索引应用于DataFrame。 例子：
对于pandas版本<0.13
df.index.names = ['Date']
对于pandas版本> = 0.13
df = df.reindex(df.index.rename(['Date']))
您也可以使用Index.set_names如下所示：
In [25]: x = pd.DataFrame({'year':[1,1,1,1,2,2,2,2], ....: 'country':['A','A','B','B','A','A','B','B'], ....: 'prod':[1,2,1,2,1,2,1,2], ....: 'val':[10,20,15,25,20,30,25,35]}) In [26]: x = x.set_index(['year','country','prod']).squeeze() In [27]: x Out[27]: year country prod 1 A 1 10 2 20 B 1 15 2 25 2 A 1 20 2 30 B 1 25 2 35 Name: val, dtype: int64 In [28]: x.index = x.index.set_names('foo', level=1) In [29]: x Out[29]: year foo prod 1 A 1 10 2 20 B 1 15 2 25 2 A 1 20 2 30 B 1 25 2 35 Name: val, dtype: int64
如果你想使用相同的映射来重命名列和索引，你可以这样做：
mapping = {0:'Date', 1:'SM'} df.index.names = list(map(lambda name: mapping.get(name, name), df.index.names)) df.rename(columns=mapping, inplace=True)
当前select的答案没有提及可以用来重命名索引和列级别的rename_axis方法。
pandas在重新命名索引级别方面有一些怪癖。 还有一个新的DataFrame方法rename_axis可用来更改索引级别名称。
我们来看一下DataFrame
df = pd.DataFrame({'age':[30, 2, 12], 'color':['blue', 'green', 'red'], 'food':['Steak', 'Lamb', 'Mango'], 'height':[165, 70, 120], 'score':[4.6, 8.3, 9.0], 'state':['NY', 'TX', 'FL']}, index = ['Jane', 'Nick', 'Aaron'])
这个DataFrame对于每一个行和列索引都有一个级别。 行列索引都没有名字。 让我们将行索引级别名称更改为“名称”。
df.rename_axis('names')
rename_axis方法还可以通过更改axis参数来更改列级别名称：
df.rename_axis('names').rename_axis('attributes', axis='columns')
如果使用某些列设置索引，则列名将成为新的索引级别名称。 让我们追加到我们原来的DataFrame的索引级别：
df1 = df.set_index(['state', 'color'], append=True) df1
注意原始索引没有名字。 我们仍然可以使用rename_axis但是需要传递一个与索引级别数量相同的列表。
df1.rename_axis(['names', None, 'Colors'])
您可以使用“ None来有效地删除索引级别名称。
系列工作类似，但有一些差异
我们来创build一个有三个索引级别的系列
s = df.set_index(['state', 'color'], append=True)['food'] s state color Jane NY blue Steak Nick TX green Lamb Aaron FL red Mango Name: food, dtype: object
我们可以像使用rename_axis一样使用rename_axis
s.rename_axis(['Names','States','Colors']) Names States Colors Jane NY blue Steak Nick TX green Lamb Aaron FL red Mango Name: food, dtype: object
请注意，系列下面还有一个名为Name的额外元数据。 从DataFrame创buildSeries时，此属性设置为列名称。
我们可以将string名称传递给rename方法来更改它
s.rename('FOOOOOD') state color Jane NY blue Steak Nick TX green Lamb Aaron FL red Mango Name: FOOOOOD, dtype: object
DataFrames没有这个属性，事实上会引发一个exception，如果这样使用
df.rename('my dataframe') TypeError: 'str' object is not callable
在0.21之前，您可以使用rename_axis重命名索引和列中的值。 它已被弃用，所以不要这样做
对于较新的pandas版本
df = df.index.rename('new name')
要么
df.index.rename('new name', inplace=True)
如果一个数据框应该保留所有的属性，后者是必需的 。
