Python:使用熊猫重命名列
为什么我重命名列的尝试不起作用?我可以发誓我遵循了正确的语法,我没有得到任何错误。。。它只是不做而已Python:使用熊猫重命名列,python,pandas,Python,Pandas,为什么我重命名列的尝试不起作用?我可以发誓我遵循了正确的语法,我没有得到任何错误。。。它只是不做而已 import numpy as np import pandas as pd header = list(range(17)) energy = pd.read_excel('Energy Indicators.xls', usecols = [2, 3, 4, 5], skiprows = list
import numpy as np
import pandas as pd
header = list(range(17))
energy = pd.read_excel('Energy Indicators.xls',
usecols = [2, 3, 4, 5],
skiprows = list(range(17)),
skipfooter = 38)
energy.rename(columns={'Unnamed: 2': 'Country',
'Petajoules': 'Energy Supply',
'Gigajoules': 'Energy Supply per Capita',
'%': '% Renewable'})
您缺少的是
inplace=True
重命名并应用于原始数据帧对象
注意:inplace=True返回None inplace=False返回执行操作的对象的副本
您缺少的是重命名并应用于原始dataframe对象的
inplace=True
注意:inplace=True返回None inplace=False返回执行操作的对象的副本
你有两个选择
energy=energy.rename(列={'Unnamed:2':'Country','Petajoules':'energy Supply',
‘千兆焦耳’:‘人均能源供应’,‘可再生能源’:’
返回能量。重命名(列={'Unnamed:2':'Country','Petajoules':'energy Supply',
‘千兆焦耳’:‘人均能源供应’,‘可再生能源’:’
energy.rename(列={'Unnamed:2':'Country','Petajoules':'energy Supply',
‘千兆焦耳’:‘人均能源供应’,‘可再生能源’,
原地=真)
您有两个选择
energy=energy.rename(列={'Unnamed:2':'Country','Petajoules':'energy Supply',
‘千兆焦耳’:‘人均能源供应’,‘可再生能源’:’
返回能量。重命名(列={'Unnamed:2':'Country','Petajoules':'energy Supply',
‘千兆焦耳’:‘人均能源供应’,‘可再生能源’:’
energy.rename(列={'Unnamed:2':'Country','Petajoules':'energy Supply',
‘千兆焦耳’:‘人均能源供应’,‘可再生能源’,
原地=真)
您不一定需要inplace=True。您只需将其保存回原始df即可
energy = energy.rename(columns={'Unnamed: 2': 'Country',
'Petajoules': 'Energy Supply',
'Gigajoules': 'Energy Supply per Capita',
'%': '% Renewable'})
你不一定需要在原地=真。您只需将其保存回原始df即可
energy = energy.rename(columns={'Unnamed: 2': 'Country',
'Petajoules': 'Energy Supply',
'Gigajoules': 'Energy Supply per Capita',
'%': '% Renewable'})
你有两个选择。您可以使用
energy=energy.rename()
重新分配energy.rename()的输出,也可以添加可选参数inplace=True
:
就地:bool,默认为False
是否返回新的数据帧。如果为True,则忽略copy的值
你有两个选择。您可以使用energy=energy.rename()
重新分配energy.rename()的输出,也可以添加可选参数inplace=True
:
就地:bool,默认为False
是否返回新的数据帧。如果为True,则忽略copy的值
或者,只需重新分配,而不是就地修改;这是首选方法,因为计划在未来(可能非常遥远的)pandas版本中弃用inplace
args;这是首选方法,因为它计划在未来(可能非常遥远的)版本中弃用inplace
args。