Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.set_axis方法的使用。

DataFrame.set_axis(labels, axis=0, inplace=False)      [source]

将所需的索引分配给给定的轴。

可以通过分配类似列表或索引的方式来更改列标签或行标签的索引。

参数:

labelslist-like, Index

新索引的值。

axis {0 ‘index’, 1 ‘columns’}, 默认为 0

要更新的轴。值0表示行,1表示列。

inplace:bool, 默认为 False

允许或不允许对同一行进行多次抽样。

返回值:

renamed:DataFrame 或 None

如果inplace=False,则为DataFrame类型的对象,否则为None。

例子

>>> df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})

更改行标签

>>> df.set_axis(['a', 'b', 'c'], axis='index')
   A  B
a  1  4
b  2  5
c  3  6

更改列标签

>>> df.set_axis(['I', 'II'], axis='columns')
   I  II
0  1   4
1  2   5
2  3   6

更新标签

>>> df.set_axis(['i', 'ii'], axis='columns', inplace=True)
>>> df
   i  ii
0  1   4
1  2   5
2  3   6

推荐文档

相关文档

大家感兴趣的内容

随机列表