重命名 Pandas DataFrame 索引

Posted 2023-03-11

【中文标题】重命名 Pandas DataFrame 索引

【英文标题】：Rename Pandas DataFrame Index

【发布时间】：2013-11-19 23:42:13

【问题描述】：

我有一个没有标题的 csv 文件，带有一个 DateTime 索引。我想重命名索引和列名，但使用 df.rename() 仅重命名列名。漏洞？我使用的是 0.12.0 版

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

【问题讨论】：

我发誓在 2022 年我仍然会像每月 4 次一样查找这个问题。

【参考方案1】：

对于单个索引：

 df.index.rename('new_name')

对于多索引：

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

我们也可以在最新的 pandas 中使用它：

rename_axis

【讨论】：

如果你这样做，你只会有一个重命名的索引作为回报，但数据框不会改变。

【参考方案2】：

您可以使用pandas.DataFrame 的index 和columns 属性。注意：列表的元素数必须与行数/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

【参考方案3】：

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。

---

Pandas 在重命名索引级别时有些古怪。还有一个新的 DataFrame 方法 rename_axis 可用于更改索引级别名称。

我们来看一个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'])

此 DataFrame 对每个行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')

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')

如果您为某些列设置索引，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

请注意原始索引是如何没有名称的。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'])

您可以使用None 有效地删除索引级别名称。

---

系列工作类似，但有一些不同

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，在 Series 下方有一个额外的元数据，称为 Name。从 DataFrame 创建 Series 时，此属性设置为列名。

我们可以传递一个字符串名称给rename方法来改变它

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，如果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

【讨论】：

你应该把df1 = df.set_index(['state', 'color'], append=True)换成df1.rename_axis(['names', None, 'Colors'])吗？

如果我想将“Nick”重命名为“Nicolas”怎么办？这就是我在谷歌上搜索“重命名熊猫索引”并最终来到这里时所寻找的。编辑：哦，等等，接受的答案确实解释了这一点，起初对我来说并不明显。

很好，这是唯一可以在链式作业中使用的答案！

在重命名索引和列的时候不需要调用两次，你可以用args处理一次：df.rename_axis(index='names', columns='attributes')

【参考方案4】：

对于较新的pandas 版本

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

或

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

后者是必需的，如果数据框应保留其所有属性。

【参考方案5】：

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

是唯一为我完成这项工作的人（熊猫 0.22.0）。 如果没有 inplace=True，在我的情况下没有设置索引的名称。

【参考方案6】：

如果您想使用相同的映射来重命名列和索引，您可以这样做：

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)

【参考方案7】：

您也可以使用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

【参考方案8】：

rename 方法采用适用于索引值的索引字典。 您想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，列和索引是同一类型的对象（Index 或 MultiIndex），您可以通过转置将两者互换。

这有点令人困惑，因为索引名称与列的含义相似，所以这里有更多示例：

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

可以在索引上看到rename，可以改变value 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

【讨论】：

很好的答案。只是一个温和的提醒，没有"inplace =True"，df1.rename 不会真正改变任何事情。

@Sarah 为什么你提到的那条神奇的线会做出改变？

就地修改已经存在的 pandas 数据框对象。虽然没有就地的操作使数据框保持不变并返回一个新创建的df。因此，没有重命名必须做这样的事情：df1 = df1.rename....

为什么这个答案在底部？上面的那些都不行。这个答案显然得票最多。

【参考方案9】：

在 Pandas 0.13 及更高版本中，索引级别名称是不可变的（类型为 FrozenList）并且不能再直接设置。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

df.index.names = ['Date']

对于 Pandas 版本 >= 0.13

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

【讨论】：

不是真的！在我的 Pandas (0.13.1) 版本中，df.index.names = ['foo'] 工作正常！

感谢您注意到@LondonRob - `df.index.names = ['foo']` 也适用于 Pandas 0.14。显然，这只是在我测试时被短暂破坏并包含在内。

直接为index 或column 设置名称对我来说都是改变（在Pandas 0.19 上），但不是用这种方法。