参考：https://blog.csdn.net/missyougoon/article/details/83780845?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param
第一，重命名a = pd.DataFame(np.arange(12).reshape(3,4),columns=[‘a’,‘b’,‘c’,‘d’])a.columns = [‘a1’,‘b1’,‘c1’,‘d1’]第二，引入字典 (rename + 字典 ）a.rename(columns = {‘a’:‘a1’},inplace=True)参考：https://blog.csdn.net/missyougoon/article/details/83780845?utm_medium=distr
Python
数据分析库
pandas
高级接口dt的使用详解
怕忘了dt接口的知识点，记录在这里。
Series对象和DataFrame的列数据提供了cat、dt、str三种属性接口（accessors），分别对应分类数据、日期时间数据和字符串数据，通过这几个接口可以快速实现特定的功能，非常快捷。
来源：https://www.jb51.net/article/201990.htm
方法一：用字典
# the renamed DataFrame method accepts dictionaries that map the old value to the new value
col_map={"director_name":"director","num_critic_for_reviews":"critic_reviews"}
movies.info()
<class '
pandas
.core.frame.DataFrame'>
RangeIndex: 4916 en
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
df = df.rename(columns={'A': 'a', 'B': 'b', 'C': 'c'})
print(df)
运行结果：
a ...
pandas
：rename函数
修改列名
和
索引
rename函数简介0 构建学习数据1
修改
索引
两种方式2
修改列名
两种方式3 是否替换原列表3
pandas
字母转换大小写3 使用axis参数常见问题问题：参数位置错误
修改
办法：
rename函数简介
df.rename(index=None
,columns=None
,axis=None
,inplace=False)
目录1.重命
名
列
名
称2.重命
名
索引
3.重置
索引
df=pd.DataFrame(np.arange(16).reshape(4,4),columns=["one","two","three","four"],index=['a','b','c','d'])
1.重命
名
列
名
称
df.rename(columns={"one":"nj","two":"bj"},inplace=True)
2.重命
名
索引
df.rename(index={"a":"aaa","d":"ddd"},inplace=True
一般常用的有两个方法：
1、使用DataFrame.index = [newName]，DataFrame.columns = [newName]，这两种方法可以轻松实现。
2、使用rename方法（推荐）：
DataFrame.rename（mapper = None，index = None，columns = None，axis = None，copy = True，inplace = Fa...
1. 导入
pandas
库： `import
pandas
as pd`
2. 使用 read_excel() 函数来读取 Excel 文件，例如：`df = pd.read_excel('data.xlsx')`。
3. 对数据进行
修改
，例如：`df['列
名
'] = df['列
名
'].apply(lambda x: x * 2)`。
4. 使用 to_excel() 函数来将
修改
后的数据写回到 Excel 文件中，例如：`df.to_excel('data.xlsx', index=False)`。其中，index=False 表示不保留行
索引
。
5. 保存并关闭 Excel 文件。
### 回答2：
Python
中的
Pandas
库可以方便地对Excel文件进行数据读取、
修改
、导出等操作。
在
Pandas
中，可以使用read_excel()函数读取Excel文件，并将其转换为DataFrame格式。例如：
import
pandas
as pd
# 读取Excel文件，并将第1个Sheet转换为DataFrame
df = pd.read_excel('example.xlsx', sheet_name=0)
读取后的数据就可以进行
修改
。
修改
具体方法取决于需求，以下是一些常见的
修改
操作：
1.
修改
单个单元格的值：
#
修改
第2行第3列的值为200
df.iloc[1, 2] = 200
2.
修改
整列或整行的值：
#
修改
第1列全部数据为0
df.iloc[:, 0] = 0
#
修改
第2行全部数据为0
df.iloc[1, :] = 0
3. 新增一列数据：
# 新增一列“总分”，计算每个学生的总分
df['总分'] = df['语文'] + df['数学'] + df['英语']
4. 删除一列或几列数据：
# 删除“班级”和“姓
名
”列
df = df.drop(['班级', '姓
名
'], axis=1)
5. 将
修改
后的数据保存为新的Excel文件：
# 将
修改
后的数据保存为新的Excel文件
df.to_excel('new_example.xlsx', index=False)
经过上述
修改
操作后，就可以将数据保存到新的Excel文件中，以备后续使用。
总的来说，使用
Pandas
修改
Excel数据非常便捷，特别是对于需要频繁处理Excel数据的场景，
Pandas
能够提高数据处理的效率。同时，
Pandas
也支持其他数据格式的读写，可以满足更加复杂的数据处理需求。
### 回答3：
Python
是一种功能强大的编程语言，
Pandas
是
Python
的一个开源数据分析库，用于快速处理大量数据。
Pandas
具有许多有用的数据操作功能，如
修改
Excel 数据。在
Python
中，可以使用
Pandas
和 openpyxl 库操作 Excel 文件，以便使用
Python
对其进行
修改
。
在使用
Pandas
修改
Excel 数据之前，需要先使用
Pandas
从 Excel 文件中读取数据。可以使用 read_excel() 函数从 Excel 文件中读取数据。以下是一个示例代码：
```
python
import
pandas
as pd
# 从 Excel 文件中读取数据
df = pd.read_excel('data.xlsx')
当读取数据完成后，就可以对数据进行
修改
了。
Pandas
提供了一种基于标签的数据选择方法，可以方便地选择需要
修改
的数据。以下是一些示例代码：
```
python
#
修改
数据
df.loc[df['name'] == 'Tom', 'age'] = 30
df.loc[df['name'] == 'Jack', 'age'] = 40
这段代码
修改
了
名
为 Tom 和 Jack 的行的年龄列数据。可以看到，使用
Pandas
修改
Excel 数据非常容易。
在完成数据
修改
后，可以使用
Pandas
将
修改
后的数据写入 Excel 文件。可以使用 to_excel() 函数将 DataFrame 数据写入 Excel 文件。以下是一个示例代码：
```
python
# 将
修改
后的数据写入 Excel 文件
df.to_excel('data.xlsx', index=False)
在将数据写入 Excel 文件时，必须指定 index=False 参数，否则会在写入 Excel 文件时将 DataFrame 的
索引
作为一列写入。如果 Excel 文件中已存在指定工作表
名
称的工作表，则将覆盖该工作表。
总之，使用
Pandas
和
Python
，可以轻松地
修改
Excel 数据。读取 Excel 数据，使用
Pandas
将其转换为 DataFrame 数据，
修改
数据，然后使用
Pandas
将数据写入 Excel 文件。这是一种非常有效的方法，能够极大地提高处理大量 Excel 数据的任务效率。
