重命名
修改列名
使用 df.rename(columns={...}) 进行重命名
df_renamed = df.rename(columns={'A': 'alpha', 'B': 'beta'})
# 或者
# df_renamed = df.rename({'A': 'alpha', 'B': 'beta'}, axis=1)示例：
import pandas as pd
df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
print(df)
df_renamed = df.rename(columns={'A': 'alpha', 'B': 'beta'})
print(df_renamed)输出：
A B
0 1 3
1 2 4
alpha beta
0 1 3
1 2 4修改行索引
使用 df.rename(index={...}) 进行重命名
df_renamed = df.rename(index={0: 'row1', 1: 'row2'})
# 或者
# df_renamed = df.rename({0: 'alpha', 1: 'beta'}, axis=0)示例：
import pandas as pd
df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
print(df)
df_renamed = df.rename(index={0: 'alpha', 1: 'beta'})
print(df_renamed)输出：
A B
0 1 3
1 2 4
A B
alpha 1 3
beta 2 4函数批量命名
给函数传入函数即可
例如：
df.rename(columns=str.lower)
df.rename(columns=lambda x: x.strip())数据合并
轴向拼接
使用 pd.concat() 函数进行数据拼接
例如：
import pandas as pd
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})
# 上下堆叠
result_v = pd.concat([df1, df2], ignore_index=True)
# 左右拼接
result_h = pd.concat([df1, df2], axis=1)
print(result_v)
print(result_h)输出：
A B
0 1 3
1 2 4
2 5 7
3 6 8
A B A B
0 1 3 5 7
1 2 4 6 8主键拼接
类似于 SQL 中的 JOIN。根据一个或多个键将不同 DataFrame 的行连接起来。使用 pd.merge() 函数进行拼接
主要参数：
on：用于连接的列名（必须两边都有）。left_on/right_on：当左右表用来连接的列名不同时使用。how：连接方式，可选值有：inner（内连接，默认）：只保留两表都有的键。left（左连接）：保留左表所有行，右表无匹配的补 NaN。right（右连接）：保留右表所有行。outer（外连接）：保留两表所有的键。
例如：
import pandas as pd
left = pd.DataFrame({'key': ['K0', 'K1'], 'A': ['A0', 'A1']})
right = pd.DataFrame({'key': ['K0', 'K1'], 'B': ['B0', 'B1']})
result = pd.merge(left, right, on='key', how='inner')
print(result)输出：
key A B
0 K0 A0 B0
1 K1 A1 B1索引连接
join() 是一种快捷方式，默认基于行索引进行合并。它的底层其实就是 merge，但写起来更简练。
例如：
import pandas as pd
left = pd.DataFrame({'A': ['A0', 'A1']}, index=['K0', 'K1'])
right = pd.DataFrame({'B': ['B0', 'B1']}, index=['K0', 'K2'])
# 默认是左连接 (how='left')
result = left.join(right, how='outer')
print(result)输出：
A B
K0 A0 B0
K1 A1 NaN
K2 NaN B1