204-2-1、index(可选，默认值为None)：字典或函数，指定要重命名的索引映射，可以传递一个字典，其中键是旧的索引值，值是新的索引值；也可以传递一个函数，应用于每个索引值。

204-2-2、axis(可选，默认值为None)：对于Series对象，axis参数没有实际作用，因为Series只有一个轴。

204-2-3、copy(可选，默认值为None)：布尔值，是否复制Series对象。默认值为True，表示创建Series的副本；如果设置为False，则不创建副本，而是在原Series上进行修改。

204-2-4、inplace(可选，默认值为False)：布尔值，是否在原地修改Series，如果设置为True，则直接在原Series上进行修改，不会返回新的Series对象，默认值为False，即返回一个新的Series对象。

204-2-5、level(可选，默认值为None)：用于具有多级索引(MultiIndex)的Series，指定要重命名的索引级别，如果Series只有一个级别的索引，这个参数不需要设置。

204-2-6、errors(可选，默认值为'ignore')：处理索引中不存在的标签时的行为，默认为'ignore'，表示如果索引标签不存在则忽略它们；如果设置为'raise'，则会抛出错误，提示标签不存在。

204-3、功能

        用于重命名Series对象的索引，并返回一个新的Series对象，除非inplace参数被设置为True。

204-4、返回值

        默认情况下，rename方法返回一个新的Series对象，其中索引已经根据提供的映射或函数进行了重命名。如果inplace=True，则直接在原Series上进行修改，不返回新的Series对象。

204-5、说明

        无

204-6、用法

204-6-1、数据准备

无

204-6-2、代码示例

# 204、pandas.Series.rename方法

import pandas as pd

# 创建一个Series对象

s = pd.Series([10, 20, 30], index=['a', 'b', 'c'])

# 使用字典重命名索引

s_renamed = s.rename(index={'a': 'alpha', 'b': 'beta'})

# 输出重命名后的Series

print("重命名后的Series:")

print(s_renamed)

# 使用函数重命名索引

s_renamed_func = s.rename(index=lambda x: x.upper())

# 输出重命名后的Series

print("\n使用函数重命名后的Series:")

print(s_renamed_func)

# 在原地重命名索引

s.rename(index={'a': 'alpha', 'b': 'beta'}, inplace=True)

# 输出原Series

print("\n原地重命名后的Series:")

print(s)

204-6-3、结果输出

# 204、pandas.Series.rename方法

# 重命名后的Series:

# alpha 10

# beta 20

# c 30

# dtype: int64

#

# 使用函数重命名后的Series:

# A 10

# B 20

# C 30

# dtype: int64

#

# 原地重命名后的Series:

# alpha 10

# beta 20

# c 30

# dtype: int64

205、pandas.Series.rename_axis方法

205-1、语法

# 205、pandas.Series.rename_axis方法

pandas.Series.rename_axis(mapper=_NoDefault.no_default, *, index=_NoDefault.no_default, axis=0, copy=True, inplace=False)

Set the name of the axis for the index or columns.

Parameters:

mapperscalar, list-like, optional

Value to set the axis name attribute.

index, columnsscalar, list-like, dict-like or function, optional

A scalar, list-like, dict-like or functions transformations to apply to that axis’ values. Note that the columns parameter is not allowed if the object is a Series. This parameter only apply for DataFrame type objects.

Use either mapper and axis to specify the axis to target with mapper, or index and/or columns.

axis{0 or ‘index’, 1 or ‘columns’}, default 0

The axis to rename. For Series this parameter is unused and defaults to 0.

copybool, default None

Also copy underlying data.

Note

The copy keyword will change behavior in pandas 3.0. Copy-on-Write will be enabled by default, which means that all methods with a copy keyword will use a lazy copy mechanism to defer the copy and ignore the copy keyword. The copy keyword will be removed in a future version of pandas.

You can already get the future behavior and improvements through enabling copy on write pd.options.mode.copy_on_write = True

inplacebool, default False

Modifies the object directly, instead of creating a new Series or DataFrame.

Returns:

Series, DataFrame, or None

The same type as the caller or None if inplace=True.

205-2、参数

205-2-1、mapper(可选)：用于重新命名轴标签的字典或函数，如果提供的是字典，将现有标签映射到新标签；如果提供的是函数，将现有标签传递给函数，并将函数返回值用作新标签。

205-2-2、index(可选)：类似于mapper，但仅用于重命名索引(即行标签)，提供字典或函数来重命名索引。如果mapper已指定且index未指定，则使用mapper的值。

205-2-3、axis(可选，默认值为0)：要重命名的轴，对于Series，唯一有效的值是0或'index'，因为Series只有一个轴，即索引。

205-2-4、copy(可选，默认值为True)：如果为True，则返回一个副本，并且数据始终复制；如果为False，则尝试避免复制数据，但不能保证不会复制。

205-2-5、inplace(可选，默认值为False)：如果为True，则直接在原对象上进行修改，并返回None；否则，返回一个新的Series对象。

205-3、功能

        通过提供一个映射(字典)或一个函数，用户可以对Series的索引标签进行重命名，该方法可以帮助在数据分析和操作过程中对索引标签进行更改，使其更加符合实际需求或更加易于理解。

205-4、返回值

205-4-1、返回一个新的Series对象：如果inplace=False(默认值)，该方法返回一个新的Series对象，其中包含已重命名的索引标签。

205-4-2、原地修改Series对象：如果inplace=True，该方法在原Series对象上进行修改，并返回None，原始对象的索引标签会被直接修改。

205-5、说明

        无

205-6、用法

205-6-1、数据准备

无

205-6-2、代码示例

# 205、pandas.Series.rename_axis方法

import pandas as pd

s = pd.Series(["dog", "cat", "monkey"])

s.rename_axis("animal")

print(s)

205-6-3、结果输出

# 205、pandas.Series.rename_axis方法

# 0 dog

# 1 cat

# 2 monkey

# dtype: object

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页