如何重新命名 Pandas DataFrame 中的欄位?
重命名Pandas 中的列名稱
使用Pandas DataFrame 時,通常需要修改列標籤以使資料更容易理解或符合特定要求。以下是重新命名Pandas 中的列的不同方法:
特定列重新命名
要重新命名DataFrame 中的特定列,請使用df.rename()函數。您可以將新舊列名稱指定為鍵值對:
df = df.rename(columns={'oldName1': 'newName1', 'oldName2': 'newName2'})
重新指派列標題
如果要重新指派某個列中的所有列標題DataFrame ,使用df.set_axis() 且axis=1。提供新列名稱的清單作為參數:
df2 = df.set_axis(['V', 'W', 'X', 'Y', 'Z'], axis=1)
直接指派
您也可以使用下列指令直接指派列標題語法:
df.columns = ['V', 'W', 'X', 'Y', 'Z']
範例
考慮以下DataFrame:
df = pd.DataFrame('x', index=range(3), columns=list('abcde')) print(df)
輸出:
a b c d e 0 x x x x x 1 x x x x x 2 x x x x x
重新命名特定欄位
要將欄位「a」和「b」重新命名為「X」和「Y」:
df2 = df.rename(columns={'a': 'X', 'b': 'Y'}) print(df2)
輸出:
X Y c d e 0 x x x x x 1 x x x x x 2 x x x x x
重新分配列標頭
重新分配所有標頭:
df2 = df.set_axis(['V', 'W', 'X', 'Y', 'Z'], axis=1) print(df2)
輸出:
V W X Y Z 0 x x x x x 1 x x x x x 2 x x x x x
直接分配
分配標題直接:
df.columns = ['V', 'W', 'X', 'Y', 'Z'] print(df)
輸出:
V W X Y Z 0 x x x x x 1 x x x x x 2 x x x x x
以上是如何重新命名 Pandas DataFrame 中的欄位?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

Python适合数据科学、Web开发和自动化任务,而C 适用于系统编程、游戏开发和嵌入式系统。Python以简洁和强大的生态系统著称,C 则以高性能和底层控制能力闻名。

Python在遊戲和GUI開發中表現出色。 1)遊戲開發使用Pygame,提供繪圖、音頻等功能,適合創建2D遊戲。 2)GUI開發可選擇Tkinter或PyQt,Tkinter簡單易用,PyQt功能豐富,適合專業開發。

兩小時內可以學到Python的基礎知識。 1.學習變量和數據類型,2.掌握控制結構如if語句和循環,3.了解函數的定義和使用。這些將幫助你開始編寫簡單的Python程序。

2小時內可以學會Python的基本編程概念和技能。 1.學習變量和數據類型,2.掌握控制流(條件語句和循環),3.理解函數的定義和使用,4.通過簡單示例和代碼片段快速上手Python編程。

Python更易學且易用,C 則更強大但複雜。 1.Python語法簡潔,適合初學者,動態類型和自動內存管理使其易用,但可能導致運行時錯誤。 2.C 提供低級控制和高級特性,適合高性能應用,但學習門檻高,需手動管理內存和類型安全。

要在有限的時間內最大化學習Python的效率,可以使用Python的datetime、time和schedule模塊。 1.datetime模塊用於記錄和規劃學習時間。 2.time模塊幫助設置學習和休息時間。 3.schedule模塊自動化安排每週學習任務。

Python在web開發、數據科學、機器學習、自動化和腳本編寫等領域有廣泛應用。 1)在web開發中,Django和Flask框架簡化了開發過程。 2)數據科學和機器學習領域,NumPy、Pandas、Scikit-learn和TensorFlow庫提供了強大支持。 3)自動化和腳本編寫方面,Python適用於自動化測試和系統管理等任務。

Python在自動化、腳本編寫和任務管理中表現出色。 1)自動化:通過標準庫如os、shutil實現文件備份。 2)腳本編寫:使用psutil庫監控系統資源。 3)任務管理:利用schedule庫調度任務。 Python的易用性和豐富庫支持使其在這些領域中成為首選工具。
