Функция Pandas df.rename()

Pandas 常用函数 Распространённые функции Pandas

df.rename()— это функция в Pandas, используемая для переименования имён столбцов или индекса DataFrame.

В анализе данных понятные имена столбцов и индексов очень важны для читаемости и поддерживаемости кода.rename()Он позволяет гибко изменять имена столбцов и индексов, делая данные более стандартизированными и понятными. Это особенно полезно при импорте данных, очистке и создании отчётов.

Базовый синтаксис и параметры

rename()является функцией-членом DataFrame, вызываемой через оператор точка.для вызова.

Формат синтаксиса

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

Описание параметра

Параметр	Type	Обязательный	Описание	Значение по умолчанию
mapper	dict или функция	Optional	Правила сопоставления для переименования оси (индекса строк или имён столбцов). Может быть словарём или функцией. Используется с`axis`параметра.	Отсутствует
index	dict или функция	Optional	Непосредственно задаёт правила переименования для индекса строк. Имеет приоритет над`mapper`и`axis`。	Отсутствует
columns	dict или функция	Optional	Непосредственно задаёт правила переименования для имён столбцов. Имеет приоритет над`mapper`и`axis`。	Отсутствует
axis	int или str	Optional	Задаёт ось для переименования.`0`или`'index'`представляет индекс строк;`1`или`'columns'`представляет имена столбцов.	Отсутствует
inplace	bool	Optional	Если установлено значение`True`, он изменяет исходный DataFrame напрямую и не возвращает новый объект; если установлено`False`, возвращается новый DataFrame, а исходные данные остаются неизменными.	False
errors	str	Optional	Управляет обработкой ошибок.`'raise'`означает, что возникает исключение, когда соответствующий ключ не найден;`'ignore'`означает игнорирование несуществующих ключей.	'ignore'

Описание возвращаемого значения

Возвращает новый DataFrame (еслиinplace=False), илиNone(еслиinplace=True）。
В возвращённом DataFrame имена столбцов или индекс были переименованы.

Примеры

Давайте тщательно освоим на серии примеровrename()использование.

Пример 1: Переименование имён столбцов

Используйтеcolumnsпараметр для удобного переименования названий столбцов.

Пример

import pandas as pd

# Создать DataFrame
data = {
'name': ['Zhang San', 'Li Si', 'Wang Wu'],
'age': [25, 30, 35],
'salary': [5000, 6000, 7000]
}
df = pd.DataFrame(data)

print("Исходные данные:")
print(df)
print("=" * 50)

# Используйте словарь для переименования названий столбцов
df_renamed = df.rename(columns={
'name': 'Name',
'age': 'age',
'salary': 'Salary'
})

print("Данные после переименования названий столбцов:")
print(df_renamed)

Ожидаемый вывод:

原始数据：
   name  age  salary
0  张三   25   5000
1  李四   30   6000
2  王五   35   7000
==================================================
重命名列名后的数据：
    姓名  年龄   薪资
0  张三   25  5000
1  李四   30  6000
2  王五   35  7000

Пояснение к коду:

Исходные названия столбцов данных на английском, и мы используем словарь, чтобы переименовать их на китайский.
Используяcolumnsпараметр влияет только на названия столбцов, а не на индекс строк.
Это распространённая операция нормализации данных.

Пример 2: Переименование индекса строк

Используйтеindexпараметр для переименования индекса строк.

Пример

import pandas as pd

# Создать DataFrame с индексом по умолчанию
data = {
Фрукт: [Яблоко, Банан, Апельсин],
'Количество': [10, 20, 15]
}
df = pd.DataFrame(data)

print("Исходные данные (индекс по умолчанию):")
print(df)
print("=" * 50)

# Использовать словарь для переименования индекса строк
df_renamed = df.rename(index={
0: 'Первая строка',
1: 'Вторая строка',
2: 'Третья строка'
})

print("Данные после переименования индекса строк:")
print(df_renamed)

Ожидаемый вывод:

原始数据（默认索引）：
   水果  数量
0  苹果  10
1  香蕉  20
2  橙子  15
==================================================
重命名行索引后的数据：
     水果  数量
第一行   苹果  10
第二行   香蕉  20
第三行   橙子  15

Пояснение к коду:

Исходный индекс строк данных — это числа, такие как 0, 1, 2.
Используяindexпараметр может переименовать их в более осмысленные имена.
Это особенно полезно при создании отчётов.

Пример 3: Переименование и имён столбцов, и индекса строк

Он может одновременно переименовывать имена столбцов и индекс строк.

Пример

import pandas as pd

# Создать DataFrame
data = {
'A': [1, 2, 3],
'B': [4, 5, 6]
}
df = pd.DataFrame(data, index=['x', 'y', 'z'])

print("Исходные данные:")
print(df)
print("=" * 50)

# Переименование и имён столбцов, и индекса строк
df_renamed = df.rename(columns={'A': Column A, 'B': Column B}, index={'x': Row X, 'y': Row Y, 'z': Row Z})

print("Данные после переименования:")
print(df_renamed)

Ожидаемый вывод:

原始数据：
   A  B
x  1  4
y  2  5
z  3  6
==================================================
重命名后的数据：
    列A  列B
行X   1   4
行Y   2   5
行Z   3   6

Пояснение к коду:

Вы можете использовать и то, и другоеcolumnsиindexпараметры.
Это очень удобно при импорте и стандартизации данных.

Пример 4: Использование функции для переименования

rename()Он также принимает функцию в качестве параметра, что позволяет пакетно преобразовывать имена столбцов или индекс.

Пример

import pandas as pd

# Создайте DataFrame с относительно сложными именами столбцов
data = {
'USER_NAME': ['Чжан Сань', 'Ли Сы'],
'USER_AGE': [25, 30],
'USER_SALARY': [5000, 6000]
}
df = pd.DataFrame(data)

print("Исходные данные:")
print(df)
print("=" * 50)

# Используйте функцию для преобразования имён столбцов в нижний регистр
df_lower = df.rename(columns=str.lower)

print("После преобразования имён столбцов в нижний регистр:")
print(df_lower)
print("=" * 50)

# Используйте функцию для удаления префикса (например, USER_)
df_clean = df.rename(columns=lambda x: x.replace('USER_', ''))

print("После удаления префикса:")
print(df_clean)
print("=" * 50)

# Используйте функцию для добавления префикса
df_prefix = df.rename(columns=lambda x: 'col_' + x)

print("После добавления префикса:")
print(df_prefix)

Ожидаемый вывод:

原始数据：
  USER_NAME  USER_AGE  USER_SALARY
0       张三       25       5000
1       李四       30       6000
列名转小写后：
  user_name  user_age  user_salary
0       张三       25       数据清洗
1       李四       30       6000
==================================================
去除前缀后：
  NAME  AGE  SALARY
0  张三   25  5000
1  李四   30  6000

Пояснение к коду:

str.lower— это метод приведения строк к нижнему регистру.
Использованиеlambdaфункции могут гибко обрабатывать сложные правила именования.
Этот метод подходит для пакетной обработки большого количества имён столбцов.

Пример 5: Использование параметра inplace для изменения на месте

Используйтеinplace=Trueчтобы напрямую изменить исходный DataFrame, не возвращая новый объект.

Пример

import pandas as pd

# Создать DataFrame
data = {
'name': ['Zhang San', 'Li Si'],
'age': [25, 30]
}
df = pd.DataFrame(data)

print("Исходные данные:")
print(df)
print(f"Исходный id данных: {id(df)}")
print("=" * 50)

# Используйте inplace=True для изменения на месте
df.rename(columns={'name': 'Name', 'age': 'age'}, inplace=True)

print("Данные после изменения с inplace=True:")
print(df)
print(f"id изменённых данных: {id(df)}")

Ожидаемый вывод:

原始数据：
   name  age
0  张三   25
1  李四   30
原始数据 id: 140234567890
==================================================
使用 inplace=True 修改后的数据：
    姓名  年龄
0  张三   25
1  李四   30
修改后数据 id: 140234567890  # 同一个对象

Пояснение к коду:

Использованиеinplace=Trueпосле этого адрес памяти (id) DataFrame не изменяется, что указывает на изменение на месте.
Этот метод позволяет экономить память, особенно при работе с большими наборами данных.

Пример 6: Обработка несуществующих имён столбцов

Используйтеerrorsпараметр для управления поведением, когда имена столбцов отсутствуют.

Пример

import pandas as pd

# Создать DataFrame
data = {
'A': [1, 2, 3],
'B': [4, 5, 6]
}
df = pd.DataFrame(data)

print("Исходные данные:")
print(df)
print("=" * 50)

# Попытка переименовать несуществующий столбец, используя errors='ignore' (по умолчанию)
df_renamed = df.rename(columns={'C': 'C_new'}) # Столбец C не существует

print("Переименование несуществующего столбца (C) с поведением по умолчанию:")
print(df_renamed) # Изменения не произойдут
print("=" * 50)

# Попытка переименовать несуществующий столбец, используя errors='raise'
try:
df_renamed2 = df.rename(columns={'C': 'C_new'}, errors='raise')
except KeyError as e:
print(f"Возникло исключение: {e}")

Ожидаемый вывод:

原始数据：
   A  B
0  1  4
1  2  5
2  3  6
==================================================
重命名不存在的列（C），使用默认行为：
   A  B
0  1  4
1  2  5
2  3  6  # 无变化
==================================================errors
==================================================
抛出异常: 'C'

Пояснение к коду:

По умолчанию (errors='ignore'), если столбец не существует, изменения не произойдут и ошибка не будет вызвана.
Если установлено значениеerrors='raise', будет возбуждено исключение.KeyErrorисключение.

Пример 7: Использование параметра axis

ИспользуйтеaxisПараметр позволяет более гибко задавать оси для переименования.

Пример

import pandas as pd

# Создать DataFrame
data = {
'col1': [1, 2, 3],
'col2': [4, 5, 6]
}
df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])

print("Исходные данные:")
print(df)
print("=" * 50)

# Используйте axis='columns' для переименования столбцов
df_renamed_cols = df.rename({'col1': 'Первый столбец', 'col2': 'Второй столбец'}, axis='columns')

print("После переименования столбцов с axis='columns':")
print(df_renamed_cols)
print("=" * 50)

# Используйте axis='index' для переименования индекса строк
df_renamed_idx = df.rename({'row1': 'Первая строка', 'row2': 'Вторая строка', 'row3': 'Третья строка'}, axis='index')

print("После переименования строк с axis='index':")
print(df_renamed_idx)

Ожидаемый вывод:

原始数据：
      col1  col2
row1     1     4
row2     2     5
row3     3     6
==================================================
使用 axis='columns' 重命名列后：
      第一列  第二列
row1     1     4
row2     2     5
row3     3     6

Пояснение к коду:

axis='columns'илиaxis=1Означает работу со столбцами.
axis='index'илиaxis=0Означает работу с индексами строк.
Этот синтаксис согласуется со стилем NumPy.

Примечания

rename()По умолчанию исходный DataFrame не изменяется. Чтобы изменить его на месте, используйтеinplace=Trueпараметра.
Предпочитайте использоватьcolumnsиindexпараметр вместоmapperиaxis, потому что первый понятнее и легче для понимания.
При использовании функции для переименования убедитесь, что функция возвращает строковый тип, иначе это может вызвать ошибки.
При работе с большими наборами данных, используяinplace=Trueможет сэкономить память.
Перед переименованием рекомендуется проверить текущие имена столбцов. Вы можете использоватьdf.columnsдля просмотра.

Pandas 常用函数 Часто используемые функции Pandas

Чтение и запись данных

Ядро обработки данных

Справочное руководство

Статистика и примеры

Функция Pandas df.rename()

Базовый синтаксис и параметры

Формат синтаксиса

Описание параметра

Описание возвращаемого значения

Примеры

Пример 1: Переименование имён столбцов

Пример

Пример 2: Переименование индекса строк

Пример

Пример 3: Переименование и имён столбцов, и индекса строк

Пример

Пример 4: Использование функции для переименования

Пример

Пример 5: Использование параметра inplace для изменения на месте

Пример

Пример 6: Обработка несуществующих имён столбцов

Пример

Пример 7: Использование параметра axis

Пример

Примечания