Pandas.DataFrame.set_axis() 替换索引 详解 含代码 含测试数据集 随Pandas版本持续更新

关于Pandas版本： 本文基于 pandas2.1.2 编写。

关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。

Pandas稳定版更新及变动内容整合专题： Pandas稳定版更新及变动迭持续更新。

Pandas API参考所有内容目录

Pandas.DataFrame.set_axis()

Pandas.DataFrame.set_axis 用于根据指定的轴替换 DataFrame 的索引(index)、列名。

• 与 DataFrame.reindex 不同，DataFrame.set_axis 不会因为和原始数据的索引或列名差异，产生数据区域的 缺失值。^例

语法：

DataFrame.set_axis(labels, *, axis=0, copy=None)

返回值：

• DataFrame

  返回一个替换索引后的 DataFrame 对象。

参数说明：

labels 指定新索引或新的列名

• labels : list-like, Index ^例

  指定新的索引或列名labels 参数接受以下类型的传入：

  • list-like： 可以是 list-like 对象，比如列表（List）、Numpy 数组、Pandas Series等。
  • Index： 可以是 Index对象。。

axis 指定要替换的轴（替换索引，或替换列名）

• axis : {0 or ‘index’, 1 or ‘columns’}, default 0 ^例

  指定在DataFrame的哪个轴上进行替换：

  • 0 或 ‘index’ ： 表示纵向，替换索引；
  • 1 or ‘columns’： 表示横向，替换列名。

copy 是否创建原始数据副本

• copy : bool, default True

  默认情况下，copy=True 这意味着，替换索引后的 DataFrame 是一个全新的对象，对其进行的数据修改，不会作用于原始数据。

  若指定 copy=False 将使用视图模式，替换索引后的 DataFrame 数据修改，会作用于原始DataFrame。^例

  ? 新增于 Pandas 1.5.0 : copy 参数，新增于Pandas 1.5.0 版本。

相关方法：

?? 相关方法

---

• DataFrame.rename_axis

  Alter the name of the index or columns.

示例：

测试文件下载：

本文所涉及的测试文件，如有需要，可在文章顶部的绑定资源处下载。

若发现文件无法下载，应该是资源包有内容更新，正在审核，请稍后再试。或站内私信作者索要。

read_excel_na_values

示例：DataFrame.set_axis替换索引，不会因为索引差异，在数据区域产生缺失值。

• 1、构建演示数据并观察数据内容

import pandas as pd

# 构建演示数据
df = pd.DataFrame({'col1':[1,2,3],'col2':[4,5,6]},index=['row1','row2','row3'])
# 观察数据内容
df

	col1	col2
row1	1	4
row2	2	5
row3	3	6

• 2、替换索引、列名，不会产生缺失值

# 新索引、列名
new_index = ['第1行','第2行','第3行']
new_labels = ['第1列','第2列']

# 替换索引
df = df.set_axis(new_index,axis=0)
# 替换列名
df = df.set_axis(new_labels,axis=1)
# 观察替换后
df

	第1列	第2列
第1行	1	4
第2行	2	5
第3行	3	6

示例：尝试不同类型的数据传入labels参数，以及 axis 参数的使用

import pandas as pd

# 构建演示数据
df = pd.DataFrame({'col1':[1,2,3],'col2':[4,5,6]},index=['row1','row2','row3'])

# 新索引、列名
new_index = ['第1行','第2行','第3行']
new_labels = pd.Index(['第1列','第2列'])

# 替换索引
df = df.set_axis(new_index,axis=0)
# 替换列名
df = df.set_axis(new_labels,axis=1)

# 观察替换后
df

	第1列	第2列
第1行	1	4
第2行	2	5
第3行	3	6

示例：如果设置 copy=False 替换索引后的DataFrame数据修改会反应在原始数据上。

import pandas as pd

# 构建演示数据
df = pd.DataFrame({'col1':[1,2,3],'col2':[4,5,6]},index=['row1','row2','row3'])

# 新索引、列名
new_index = ['第1行','第2行','第3行']

# 替换索引
df_new = df.set_axis(new_index,axis=0,copy=False)

# 修改df_new
df_new.iloc[0,0] = 100

# 观察原始数据
df

	col1	col2
row1	100	4
row2	2	5
row3	3	6