小开

最佳答案

rename方法接受一个适用于索引值的索引字典你想重命名为索引级别的名称:

df.index.names = ['Date']

考虑这个问题的一个好方法是列和索引是同一类型的对象(Index或MultiIndex)，并且您可以通过转置来交换两者。

这有点令人困惑，因为索引名与列的含义相似，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]:
A  B  C
0  1  2  3
1  4  5  6


In [3]: df1 = df.set_index('A')


In [4]: df1
Out[4]:
B  C
A
1  2  3
4  5  6

你可以在索引上看到重命名，它可以改变价值 1:

In [5]: df1.rename(index={1: 'a'})
Out[5]:
B  C
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

同时重命名关卡名称:

In [7]: df1.index.names = ['index']
df1.columns.names = ['column']

注意:此属性只是一个列表，您可以将其重命名为列表理解/映射。

In [8]: df1
Out[8]:
column  B  C
index
1       2  3
4       5  6

小开

在Pandas 0.13及更高版本中，索引级别名称是不可变的(类型FrozenList)，不能再直接设置。首先必须使用Index.rename()将新的索引级别名称应用到索引，然后使用DataFrame.reindex()将新索引应用到数据帧。例子:

熊猫版<0.13

df.index.names = ['Date']

对于熊猫版本>= 0.13

df = df.reindex(df.index.rename(['Date']))

小开

你也可以像下面这样使用Index.set_names:

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

小开

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)

小开

对于较新的`pandas`版本

df.index = df.index.rename('new name')

或

df.index.rename('new name', inplace=True)

后者是必须的如果一个数据帧应该保留它的所有属性。

小开

当前选择的答案没有提到rename_axis方法，该方法可用于重命名索引和列级别。

Pandas在重命名指数级别时有些古怪。还有一个新的DataFrame方法rename_axis可用来更改索引级别的名称。

让我们看一下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对于每个行索引和列索引都有一个级别。行索引和列索引都没有名称。让我们将行索引级别名称更改为'names'。

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。让我们将索引级别附加到原始DataFrame:

df1 = df.set_index(['state', 'color'], append=True)
df1

注意，原始索引没有名称。我们仍然可以使用rename_axis，但需要传递给它一个与索引层数相同长度的列表。

df1.rename_axis(['names', None, 'Colors'])

你可以使用None来有效地删除索引级别的名称。

系列工作原理类似，但有一些不同

让我们创建一个具有三个索引级别的Series

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DataFrames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

注意，在系列下面有一个额外的元数据，称为Name。当从DataFrame创建Series时，此属性被设置为列名。

我们可以将字符串名称传递给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

dataframe没有这个属性，如果这样使用，实际上会引发一个异常

df.rename('my dataframe')
TypeError: 'str' object is not callable

在pandas 0.21之前，你可以使用rename_axis重命名索引和列中的值。它已被弃用，所以不要这样做

小开

df.index.rename('new name', inplace=True)

是唯一一个为我做的工作(熊猫0.22.0) 如果没有inplace=True，在我的例子中没有设置索引的名称

小开

你可以使用pandas.DataFrame的index和columns属性。注意:列表的元素数量必须与行数/列数匹配。

#       A   B   C
# ONE   11  12  13
# TWO   21  22  23
# THREE 31  32  33


df.index = [1, 2, 3]
df.columns = ['a', 'b', 'c']
print(df)


#     a   b   c
# 1  11  12  13
# 2  21  22  23
# 3  31  32  33

小开

单一指数:

 df.index.rename('new_name')

多重指数:

 df.index.rename(['new_name','new_name2'])

我们也可以在最新的熊猫中使用这个:

rename_axis < / > < / p >

重命名Pandas DataFrame Index

对于较新的pandas版本

系列工作原理类似，但有一些不同

对于较新的`pandas`版本