方法一:使用 rename 方法 代码语言:txt 复制 import pandas as pd # 读取 Excel 文件 df = pd.read_excel('your_file.xlsx') # 更改列名 new_column_names = {'old_column_name1': 'new_column_name1', 'old_column_name2': 'new_column_n
df = pd.read_excel("test.xlsx", dtype=str, keep_default_na='') df.drop(columns=['寄件地区'], inplace=True) 5、列表头改名(补充) 如下:将某列表头【到件地区】修改为【对方地区】 df = pd.read_excel("test.xlsx", dtype=str, keep_default_na='') df = df.rename(columns={'到件地区...
print("工作表:%s 跳过了%d行" %(sht_name,first_row)) df.columns=df.loc[first_row] #更改当前df的列索引名称 df.rename(columns =lambda x:str(x).strip("\r\n\t ."),inplace=True) #去掉列名首位的空白字符 df=df.loc[first_row+1:] df_dst=pd.merge(df_dst,df[["姓名","年级","合...
inplace=True) # 删除含有缺失值的行 df.dropna(inplace=True) # 修改列名 df.rename(columns={...
rename(columns={'old_name': 'new_name'}) # 选择性更改列名 df.columns = ['a','b','c'] # 重命名列名 df.dropna(axis = 0) # 删除有缺失的行 df.dropna(axis = 1) # 删除有缺失的列 当然了,pandas除了读取csv和excel文件之外,读写数据的方法还有很多种,感兴趣的话,大家可以根据官方文档...
通过rename()和drop()方法进行列名操作: data = data.rename(columns={'old_name': 'new_name'}) data = data.drop('column_to_drop', axis=1) 数据排序与分组 使用sort_values()和groupby()方法进行排序和分组操作: data = data.sort_values('age') ...
df.rename(columns=lambda x: x + 1):批量更改列名 df.rename(columns={'old_name': 'new_ name'}):选择性更改列名 df.set_index('column_one'):更改索引列 df.rename(index=lambda x: x + 1):批量重命名索引 数据处理:Filter、Sort和GroupBy ...
df=pd.read_excel('./pandas进阶题库数据/数据形式变换-4星-3.xlsx',header=1,index_col=0) # 重新制定二级columns列索引 name = ['张芹','杨涵','李雪'] month = ['1月','2月','3月','4月'] mindex = pd.MultiIndex.from_product([name,month], names=['姓名',None]) ...
df= pd.read_excel('example.xlsx')df= df.rename(columns={'col1':'new_col1','col2':'new_col2'}) 修改单元格的值: df= pd.read_excel('example.xlsx') df.loc[df['col1'] =='value1','col2'] ='new_value' 使用多重索引: ...
输出解析:我们这里通过 columns 指定了映射关系,将列索引值编程语言和价格分别修改为 bcyy 和 jiage ,通过输出结果可以看到修改的效果。当然如果我们同时设置 index 和 columns 的映射关系,则会同时修改对应的索引值:# 修改列索引和 rename({"编程语言": "bcyy", "价格": "jiage"},axis=1) 等价 data_res=...