pandas的rename怎么用

Pandas库中的`rename`函数用于更改DataFrame或Series中的一列或多列名称。它的基本语法如下：

df.rename(columns={old_name: new_name}, inplace=True, axis=0)

- `columns`: 字典，键是原列名，值是新列名。如果你想改变多个列名，可以提供一个字典，如`{'OldCol1': 'NewCol1', 'OldCol2': 'NewCol2'}`。
- `inplace`: 如果设为True（默认），则会直接修改原始数据框，如果不设置或设为False，则返回一个新的数据框。
- `axis`: 0 表示列（默认），如果设置为1 则表示行。

例如，如果你有一个名为`df`的数据框，想要将`Age`列重命名为`age`，你可以这样做：

new_df = df.rename(columns={'Age': 'age'})
# 或者 if inplace=True
df.rename(columns={'Age': 'age'}, inplace=True)

相关问题

pandas rename

() 函数的用法是什么？

pandas rename() 函数的作用是对 pandas DataFrame 或 Series 的行、列、索引、列名等进行重命名操作，可以帮助我们快速修改数据集中的列名、行名等信息。该函数常用的参数有 columns、index 和 mapper，通过这些参数可以指定需要重命名的行、列或索引的名称，并指定新的名称。例如，可以使用该函数将 DataFrame 中的某一列名称从“Name”改为“Full Name”。

Pandas rename

### 如何在 Pandas 中重命名数据框中的列

#### 使用 `rename()` 方法
`rename()` 是一种灵活的方式，可以用来重命名特定的列或行。此方法接受一个映射字典作为参数，在该字典中指定要更改名称的对象及其新名字。

对于单个列名的变更，可以直接定义包含原列名到目标列名对应关系的字典并将其赋值给 `columns` 参数：

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({
    'old_name': [1, 2],
    'another_old_name': ['a', 'b']
})

# 修改单一列名为'new_name'
df.rename(columns={'old_name': 'new_name'}, inplace=True)

print(df)

当需要批量更新多个列的名字时，则可以通过构建一个新的字典来实现这一点[^3]。例如，如果想要一次性替换所有的现有列头为一组全新的标签，那么就可以利用 Python 的内置函数 `dict()` 和 `zip()` 来创建这样的转换表，并传入 `rename()` 函数之中[^2]。

# 定义新的列顺序/名称列表
new_columns_order = ["first", "second"]

# 应用rename操作完成全部列更名
df.rename(columns=dict(zip(df.columns, new_columns_order)), inplace=True)

print(df)

此外，还可以直接设置 `dataframe.columns` 属性为一个由期望的新列名组成的列表来进行整体性的重命名工作；不过这种方法缺乏灵活性，因为它要求提供整个列集合的新名称而不仅仅是部分成员[^1]。

#### 实际案例展示
下面给出一段具体的代码片段，它展示了如何在一个实际的数据集中应用这些技术：

import pandas as pd

# 构建测试用DataFrame对象
df_example = pd.DataFrame(
    {"A": range(5), "B": list('abcde')}
)

# 打印原始DataFrame结构
print("Original DataFrame:")
print(df_example)

# 更改某些选定列的名称
updated_df = df_example.rename(
    columns={"A": "Alpha", "B": "Beta"}
)

# 输出修改后的结果
print("\nUpdated DataFrame with renamed columns:")
print(updated_df)

这段程序首先建立了一个简单的表格形式的数据集，接着通过调用 `rename()` 并指定了两个具体字段的新名称实现了它们各自的重命过程最后打印出了调整前后的对比情况。