Pandas rename()和reindex()函数
pandas.DataFrame.rename
更改行名列名。传入的函数或字典值必须是1对1的，没有包含在字典或者Series中的标签将保持原来的名称。字典中包含df中没有的标签，不会报错。
DataFrame.rename(mapper=None,
index=None,
columns=None,
axis=None,
copy=True,
inplace=False,
level=None)
参数：
mapper,index,columns: 映射的规则。axis：指定轴，可以是轴名称（'index'，'columns'）或数字（0,1），默认为index。copy：布尔值，默认为True，复制底层数据。inplace：布尔值，默认为False。指定是否返回新的DataFrame。如果为True，则在原df上修改，返回值为None。level：int或level name，默认为None。如果是MultiIndex，只重命名指定级别的标签。
返回值：
DataFrame
两种修改的方法：
(index=index_mapper, columns=columns_mapper, ...)(mapper, axis={'index', 'columns'}, ...)
In [1]: import numpy as np^M
...: import pandas as pd
In [2]: list_l = [[1, 3, 3, 5, 4], [11, 7, 15, 13, 9], [4, 2, 7, 9, 3], [15, 11, 12, 6, 11]]
...: index = ["2018-07-01", "2018-07-02", "2018-07-03", "2018-07-04"]
...: df = pd.DataFrame(list_l, index=index, columns=['a', 'b', 'c', 'd', 'e'])
In [3]: df
Out[3]:
a b c d e
2018-07-01 1 3 3 5 4
2018-07-02 11 7 15 13 9
2018-07-03 4 2 7 9 3
2018-07-04 15 11 12 6 11
# 第一种修改方法
In [4]: df_rename = df.rename({'a': 'rename_a', 'b': 'rename_b', 'c': 'rename_c',
'd': 'rename_d', 'e': 'rename_e'},
...: axis='columns')
In [5]: df_rename
Out[5]:
rename_a rename_b rename_c rename_d rename_e
2018-07-01 1 3 3 5 4
2018-07-02 11 7 15 13 9
2018-07-03 4 2 7 9 3
2018-07-04 15 11 12 6 11
# 第二种修改方法
In [6]: df_rename = df.rename(index={"2018-07-01": 71, "2018-07-02": 72,
"2018-07-03": 73, "2018-07-04": 74},
...: columns={'a': 'rename_a', 'b': 'rename_b',
'c': 'rename_c', 'd': 'rename_d',
'e': 'rename_e'})
In [7]: df_rename
Out[7]:
rename_a rename_b rename_c rename_d rename_e
71 1 3 3 5 4
72 11 7 15 13 9
73 4 2 7 9 3
74 15 11 12 6 11
当inplace=True 时，返回值为 None，函数会在原df上进行修改。
In [9]: df_rename = df.rename(index={"2018-07-01": 71, "2018-07-02": 72, "2018-07-03": 73, "2018-07-04": 74},^M
...: columns={'a': 'rename_a', 'b': 'rename_b', 'c': 'rename_c', 'd': 'rename_d', 'e': 'rename
...: _e'}, inplace=True)
In [10]: df
Out[10]:
rename_a rename_b rename_c rename_d rename_e
71 1 3 3 5 4
72 11 7 15 13 9
73 4 2 7 9 3
74 15 11 12 6 11
pandas.DataFrame.reindex
重建索引，对于索引没有对应值的，使用 NaN 或者指定的值填充。
DataFrame.reindex(labels=None, index=None, columns=None,
axis=None, method=None,
copy=True, level=None,
fill_value=nan, limit=None, tolerance=None)
参数：
method: 用于填充重建索引的 DataFrame 中的缺失值的方法。（请注意：仅适用于具有单调递增/递减 index 的 DataFrames / Series。）默认：不填充
- pad / ffill: 使用上一个有效观察填充
- backfill / bfill: 使用下一个有效的观察值填充
- nearest: 使用最靠近的有效值来填充空白
copy: 布尔值，默认为 True，返回的是一个新的 df 对象（而不是在原对象上修改）。fill_value: 标量，默认为 np.NaN，可以是任意的值。用于填充缺失的值。
返回 :
重建索引新 DataFrame 对象。
DataFrame.reindex 支持两种方法：
(index=index_labels, columns=column_labels, ...)(labels, axis={'index', 'columns'}, ...)
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
list_l = [[1, 3, 3, 5, 4.], [11, 7, 15, 13, 9.1], [4, 2, 7, 9, 3.5], [15, 11, 12, 6, 11.1]]
index = ["2018-07-01", "2018-07-02", "2018-07-03", "2018-07-04"]
df = pd.DataFrame(list_l, index=index, columns=['a', 'b', 'c', 'd', 'e'])
print(df)
"""
a b c d e
2018-07-01 1 3 3 5 4.0
2018-07-02 11 7 15 13 9.1
2018-07-03 4 2 7 9 3.5
2018-07-04 15 11 12 6 11.1
"""
# index
new_index = ["2018-07-04", "2018-07-05", "2018-07-06"]
df_reindex = df.reindex(index=new_index)
df_reindex2 = df.reindex(labels=new_index, axis="index")
print(df_reindex)
print(df_reindex2)
"""
a b c d e
2018-07-04 15.0 11.0 12.0 6.0 11.1
2018-07-05 NaN NaN NaN NaN NaN
2018-07-06 NaN NaN NaN NaN NaN
"""
# columns
new_columns = ["c", "d", "e", "f"]
df_re = df.reindex(columns=new_columns)
df_re2 = df.reindex(labels=new_columns, axis="columns")
print(df_re)
print(df_re2)
"""
c d e f
2018-07-01 3 5 4.0 NaN
2018-07-02 15 13 9.1 NaN
2018-07-03 7 9 3.5 NaN
2018-07-04 12 6 11.1 NaN
"""
参考