如何使用DataFrame.rename非原地重命名DataFrame索引？文档存疑

1. 如何非原地重命名DataFrame的索引？ #

其实DataFrame.rename默认就是非原地操作的——它会返回一个修改后的新DataFrame，原DataFrame完全不会被改动，除非你主动设置inplace=True。这里给你几种常用的实现方式：

• 字典映射指定索引：通过index参数传入字典，键是旧索引名，值是要替换的新索引名

  import pandas as pd
  df = pd.DataFrame({'value': [10,20,30]}, index=['old_1', 'old_2', 'old_3'])
  # 非原地修改，生成新的DataFrame
  updated_df = df.rename(index={'old_1': 'new_1', 'old_2': 'new_2'})
  

  执行后原df的索引保持不变，updated_df会是修改后的新对象。

• 函数批量处理索引：如果需要对所有索引做统一格式调整（比如转小写、加前缀），可以给index传一个自定义函数

  # 给所有索引加上"idx_"前缀
  updated_df = df.rename(index=lambda idx: f"idx_{idx}")
  

• 划重点：千万别随便加inplace=True，一旦加了就是直接修改原DataFrame，不会返回新对象。

2. 为什么感觉文档说的“和重命名列相同方式”不对？ #

我太懂这种困惑了——其实文档的说法是准确的，只是你可能没注意到参数的细节，才导致操作和预期不符。

先回忆下重命名列的常规写法：我们会明确用columns参数指定要修改的列，比如：

updated_df = df.rename(columns={'old_col': 'new_col'})

而重命名索引的逻辑完全一致，只是把columns换成index参数就行：

updated_df = df.rename(index={'old_idx': 'new_idx'})

你可能踩坑的地方，大概率是没明确指定index参数，而是直接传了字典？比如写了df.rename({'old_idx': 'new_idx'})——这种写法虽然默认是修改索引，但如果你的DataFrame里恰好有和索引名重名的列，或者某些版本的pandas对axis参数的默认处理有差异，就会出现“好像没生效”的错觉。

所以解决办法很简单：永远用index或columns关键字参数明确指定要修改的对象，这样就完全和重命名列的操作逻辑对齐了，不会再混淆。

内容的提问来源于stack exchange，提问作者user48956