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

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)

对于更新的熊猫版本

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

or

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

如果数据帧应该保留其所有属性，则需要后者。

当前选择的答案没有提到rename_axis方法，该方法可用于重命名索引和列级别。

---

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

让我们看一下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'])

这个DataFrame对于每个行索引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'names'。

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')

如果使用某些列设置索引，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

注意，原始索引没有名称。我们仍然可以使用rename_axis，但需要向它传递一个与索引级别数相同长度的列表。

df1.rename_axis(['names', None, 'Colors'])

可以使用None来有效地删除索引级别的名称。

---

系列工作原理类似，但有一些不同

让我们创建一个具有三个索引级别的Series

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

注意，在Series下面有一个额外的元数据，称为Name。当从DataFrame创建Series时，此属性被设置为列名。

我们可以将字符串名称传递给rename方法来更改它

s.rename('FOOOOOD')

       state  color
Jane   NY     blue     Steak
Nick   TX     green     Lamb
Aaron  FL     red      Mango
Name: FOOOOOD, dtype: object

dataframe没有这个属性，如果这样使用，实际上会引发一个异常

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

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']))