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 = False，level = None ）
参数介绍：
mapper，index，columns：可以任选其一使用，可以是将index和columns结合使用。index和column直接传入mapper或者字典的形式。
axis：int或str，与mapper配合使用。可以是轴名称（‘index’，‘columns’）或数字（0,1）。默认为’index’。
copy：boolean，默认为True，是否复制基础数据。
inplace：布尔值，默认为False，是否返回新的DataFrame。如果为True，则忽略复制值。

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
df1 = DataFrame(np.arange(9).reshape(3, 3), index = ['bj', 'sh', 'gz'], columns=['a', 'b', 'c'])
print(df1)
    a  b  c
bj  0  1  2
sh  3  4  5
gz  6  7  8
# 修改 df1 的 index
print(df1.index) # 可以打印出print的值，同时也可以为其赋值
df1.index = Series(['beijing', 'shanghai', 'guangzhou'])
print(df1)
           a  b  c
beijing    0  1  2
shanghai   3  4  5
guangzhou  6  7  8
# 可以使用map方法进行映射，map的使用方法就和python中的map几乎一样
print(df1.index.map(str.upper)) # Index(['BEIJING', 'SHANGHAI', 'GUANGZHOU'], dtype='object')
print(df1) # 结果 并未改变， 上面只是返回一个 dataframe 而已
           a  b  c
beijing    0  1  2
shanghai   3  4  5
guangzhou  6  7  8
# 如果 需要 改变的话，可以如下： 另外赋值给一个变量
df1.index = df1.index.map(str.upper)
print(df1) # 这样 就 改变了
           a  b  c
BEIJING    0  1  2
SHANGHAI   3  4  5
GUANGZHOU  6  7  8
# 更快捷的 方法 使用 rename，可以分别为 index 和 column 来指定值
# 使用 map 的方式来赋值
df2 = df1.rename(index=str.lower, columns=str.upper) # 这种方法 照样是产生一个新的 dataframe
print(df2)
''' 可以很轻松的 修改 dataframe 的 index 和 columns
           A  B  C
beijing    0  1  2
shanghai   3  4  5
guangzhou  6  7  8
# 同时，rename 还可以传入字典
df3 = df2.rename(index={'beijing':'bj'}, columns = {'A':'aa'}) # 为某个 index 单独修改名称
print(df3) #
           aa  B  C
bj          0  1  2
shanghai    3  4  5
guangzhou   6  7  8
# 自定义map函数
def test_map(x):
    return x+'_ABC'
print(df1.index.map(test_map))
# 输出 Index(['BEIJING_ABC', 'SHANGHAI_ABC', 'GUANGZHOU_ABC'], dtype='object')
print(df1.rename(index=test_map))
               a  b  c
BEIJING_ABC    0  1  2
SHANGHAI_ABC   3  4  5
GUANGZHOU_ABC  6  7  8
                    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...
修改索引index
1、采取直接赋值的方法：
df1=pd.DataFrame(np.arange(9).reshape(3,3),index=['bj','sh','gz'],columns=['a','b','c'])
print(df1)
#修改index，直接给index重新赋值
df1.index=['beijing','shanghai','guangzhou']
print(df1)
输出结果：
2、使用rename
可以自定义map函数（x是原有的行列值）
def test_map(x):
    return x+
				
pandas.DataFrame.rename
使用函数： DataFrame.rename(mapper=None, index=None, columns=None, axis=None, copy=True, inplace=False, level=None)
功能：更改轴标签
函数字典值必须是唯一的（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...
列转行方法
stack函数：pandas.DataFrame.stack(self, level=-1, dropna=True)，对于普通的DataFrame而言，直接列索引转换到最内层行索引，生一个Series对象。
对于层次化索引的DataFrame而言，可以将指定的索引层转换到行上，默认是将最内层的列索引转换到最内层行。
unstack函数：pandas.DataFrame.unstack(self, level=-1
pd.read_table(r'路径\info.csv',encoding='编码方式'，seq=',')
pd.read_csv(r'路径\info.csv',encoding='编码方式'，seq=',')
读取excel文件
pd.read_excel(r'路径\detail.xlsx',sheet_name=1,he...
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。
注：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DataF
1. data：数据，可以是numpy数组、列表、字典、Series、另一个DataFrame等。
2. index：行标签，可以是列表、数组、Series或者是由它们组成的列表。
3. columns：列标签，可以是列表、数组、Series或者是由它们组成的列表。
4. dtype：数据类型，可以是numpy数据类型或者Python数据类型。
5. copy：是否复制数据，默认为False。
6. na_values：将指定的值视为缺失值。
7. keep_default_na：是否保留默认的缺失值列表。
8. na_filter：是否过滤缺失值，默认为True。
9. verbose：是否显示详细信息，默认为False。
10. parse_dates：是否将日期解析为datetime类型，默认为False。
11. infer_datetime_format：是否自动推断日期格式，默认为False。
12. dayfirst：是否将日期中的日放在前面，默认为False。
13. compression：压缩格式，可以是gzip、bz2、zip、xz等。
14. engine：读取文件的引擎，可以是c、python等。
15. nrows：读取的行数。
16. skiprows：跳过的行数。
17. skipfooter：跳过的尾部行数。
18. header：指定列名所在的行数，默认为。
19. index_col：指定索引列的列名或列号。
20. usecols：需要读取的列名或列号。
21. delimiter：分隔符，默认为逗号。
22. sep：分隔符，与delimiter参数作用相同。
23. decimal：小数点分隔符。
24. thousands：千位分隔符。
25. encoding：文件编码。
26. squeeze：是否将单列DataFrame转换为Series，默认为False。
27. memory_map：是否使用内存映射文件读取数据，默认为False。
28. float_precision：浮点数精度。