单一指数:

 df.index.rename('new_name')

多重指数:

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

我们也可以在最新的熊猫中使用这个:

rename_axis

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

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

是唯一一个为我做的工作(熊猫0.22.0)。 如果没有inplace=True，在我的例子中就没有设置索引的名称。

如果你想使用相同的映射来重命名列和索引，你可以这样做:

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)

在Pandas 0.13及更高版本中，索引级别名称是不可变的(类型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到索引，然后使用DataFrame.reindex()将新索引应用到DataFrame。例子:

对于熊猫版本< 0.13

df.index.names = ['Date']

对于熊猫版本>= 0.13

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

rename方法接受索引的字典，该字典应用于索引值。 重命名为索引级别的名称:

df.index.names = ['Date']

考虑这个问题的一个好方法是列和索引是同一类型的对象(index或MultiIndex)，您可以通过转置来交换两者。

这有点令人困惑，因为索引名与列的含义相似，所以这里有更多的例子:

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

你可以在索引上看到重命名，它可以改变值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

同时重命名关卡名称:

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理解/映射。

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