写在前面的话：
在做WISE数据处理时，有时候需要将几组数据生成一个DataFrame，然而在生成的过程中我一般不会设置列的名字（因为这种过程可能会有很多步），所以最后的列名是默认的。为了方便自己以后读代码，还是希望最后已处理好的数据有相应的数据相关列名。
自己在网上也查了了一些人的解决办法，感觉没有一个能讲明白，现将自己的理解总结如下。
方法1:修改DataFrame的columns或index属性值
DataFrame属性链接：DataFrame。现在我们知道，对于每一个DataFrame都有index和columns两个属性，这两个属性给出了Dataframe的和
的信息。所以我们可以对DataFrame的index或columns属性信息重新赋值，以达到对行或者列重新命名。
：这种方法是一次性将所有的行 or 列重新命名，不能仅对单个或几个行 or 列重新命名，因为DataFrame的index或columns属性值是不可更改的(即：可以将index属性值整体赋值，但不能对单个或者几个赋值)。
import numpy as np
import pandas as pd
df = pd.DataFrame({
'col1':['a','a','b',np.nan,'c'],
'col2':[2, 1, 8, 7, 6],
'col3':[0, 4, 7, 2, 3],
})
df
col1 col2 col3
0 a 2 0
1 a 1 4
2 b 8 7
3 NaN 7 2
4 c 6 3
#修改行标签
df.columns
Index(['col1', 'col2', 'col3'], dtype='object')
df.columns = ['a','b','c']
df
a b c
0 a 2 0
1 a 1 4
2 b 8 7
3 NaN 7 2
4 c 6 3
#修改列标签
df.index = ['a0','a1','a2','a3','a4']
df
col1 col2 col3
a0 a 2 0
a1 a 1 4
a2 b 8 7
a3 NaN 7 2
a4 c 6 3
方法2:pandas.DataFrame.rename()函数
rename函数是专门为了修改DataFrame坐标轴标签函数。rename函数的优点：可以某行某列的标签。
：函数/字典中的值必须是唯一的（1对1）。 未包含在字典/Series中的标签将保留原样。 列出的额外标签不会引发错误。
DataFrame.rename(self, mapper=None, index=None, columns=None, axis=None, copy=True, inplace=False, level=None, errors='ignore')
参数介绍：
| 参数 | 含义 |
|---|---|
| mapper | 映射结构，修改columns或index要传入一个映射体，可以是字典、函数。修改列标签跟columns参数一起；修改行标签跟index参数一起。 |
| index | 行标签参数，mapper, axis=0 等价于 index=mapper |
| columns | 列标签参数，mapper, axis=1 等价于 columns=mapper |
| axis | 轴标签格式，0代表index，1代表columns，默认index |
| copy | 默认为True，赋值轴标签后面的数据 |
| inplace | 默认为False，不在原处修改数据，返回一个新的DataFrame |
| level | 默认为None，处理单个轴标签（有的数据会有2个或多个index或columns） |
| errors | 默认ignore，如果映射体里面包含DataFrame没有的轴标签，忽略不报错 |
例子：
df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
df.rename(columns={"A": "a", "B": "c"})
a c
0 1 4
1 2 5
2 3 6
df.rename(index={0: "x", 1: "y", 2: "z"})
A B
x 1 4
y 2 5
z 3 6
df.rename(str.lower, axis='columns')
a b
0 1 4
1 2 5
2 3 6
df.rename({1: 2, 2: 4}, axis='index')
A B
0 1 4
2 2 5
4 3 6
作者：YuAllon
2019-07-22
