重命名Pandas DataFrame索引

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了重命名Pandas DataFrame索引相关的知识,希望对你有一定的参考价值。

我有一个没有标题的csv文件,带有DateTime索引。我想重命名索引和列名,但是使用df.rename()只重命名列名。错误?我的版本是0.12.0

In [2]: df = pd.read_csv(r'D:DataDataTimeSeries_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
答案

rename方法采用适用于索引值的索引的字典。 您想要重命名为索引级别的名称:

df.index.names = ['Date']

考虑这一点的一个好方法是列和索引是相同类型的对象(IndexMultiIndex),您可以通过转置来交换这两个对象。

这有点令人困惑,因为索引名称与列具有相似的含义,所以这里有一些例子:

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

您可以在索引上看到重命名,这可以更改值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

在重命名关卡名称时:

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解析/映射。

In [8]: df1
Out[8]: 
column  B  C
index       
1       2  3
4       5  6
另一答案

当前选择的答案未提及可用于重命名索引和列级别的rename_axis方法。


在重命名指数水平时,熊猫有些怪癖。还有一个新的DataFrame方法rename_axis可用于更改索引级别名称。

我们来看看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'])

enter image description here

此DataFrame为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“名称”。

df.rename_axis('names')

enter image description here

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')

enter image description here

如果使用某些列设置索引,则列名称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

enter image description here

注意原始索引没有名称。我们仍然可以使用rename_axis但需要传递一个与索引级别数相同长度的列表。

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

enter image description here

您可以使用None有效删除索引级别名称。


Series work similarly but with some differences

让我们创建一个具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

请注意,系列下面还有一个名为Name的额外元数据。从DataFrame创建Series时,此属性设置为列名。

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

DataFrames没有此属性,如果像这样使用,实际上会引发异常

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

在pandas 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

另一答案

在Pandas版本0.13及更高版本中,索引级别名称是不可变的(类型为FrozenList),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']))
另一答案

你也可以使用Index.set_names如下:

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
另一答案

For newer pandas versions

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

要么

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

如果数据框应保留其所有属性,则后者是必需的。

另一答案

如果要使用相同的映射重命名列和索引,可以执行以下操作:

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)
另一答案
df.index.rename('new name', inplace=True)

是唯一一个为我工作的人(熊猫0.22.0)。 如果没有inplace = True,则在我的情况下不会设置索引的名称。

以上是关于重命名Pandas DataFrame索引的主要内容,如果未能解决你的问题,请参考以下文章

pandas 学习 第10篇:DataFrame 数据处理(应用追加截断连接合并重复值重索引重命名重置索引设置轴索引选择和过滤)

Pandas把dataframe的索引复合索引变换为数据列:包含单索引到单列(重命名)复合索引到多数据列复合索引的其中一个水平变换为数据列

如何使用 Pandas 重命名重置索引上的多个列

pandas 轴索引的重命名,离散化,异常值的处理与随机方法

Python库-pandas详解

Python 重命名 Pandas DataFrame 列