df.rename()用于更改行列的标签，即行列的索引。可以传入一个字典或者一个函数。在数据预处理中，比较常用。
官方文档：
DataFrame.rename(self, mapper=None, index=None, columns=None, axis=None, copy=True, inplace=False, level=None, errors=‘ignore’)
创建实例
import pandas as pd
df = pd.DataFrame({'name':['zhao','qian','sun','wang'],'mark':[150,122,155,132],'gender':['female','female','male','male']})
dfname mark gender
0 zhao 150 female
1 qian 122 female
2 zhou 155 male
3 wang 132 male
mapper：dict or function
映射关系，可以是字典，也可以是一个函数。
df.rename({0:111})
name mark gender
111 zhao 150 female #行索引从0变为111
1 qian 122 female
2 zhou 155 male
3 wang 132 male
df.rename(lambda x: x+11) #参数也可以是函数，索引都加了11
name mark gender
11 zhao 150 female
12 qian 122 female
13 zhou 155 male
14 wang 132 maleindex、columns、axis：
这3个参数作用类似，dataframe中有行和列两个方向，在改名时，需要指明改名的是行还是列（默认是行），使用df.rename（index = mapper）或者df.rename(columns=mapper)的形式，和df.rename(mapper，axis=0 or 1)的效果是一样的
df.rename(lambda x: x+'11',axis=1) name11 mark11 gender11 #列索引都加了11，name变为name11 0 zhao 150 female 1 qian 122 female 2 zhou 155 male 3 wang 132 male df.rename(columns=lambda x: x+'11')#等价于上面，写法更简洁直观 name11 mark11 gender11 0 zhao 150 female 1 qian 122 female 2 zhou 155 male 3 wang 132 male
copy：bool，default = True
默认为True，效果不清楚。。。文档就一句话，与会复制底层数据（also copy underlying data), 等一个课代表解答一下。
inplace：bool，default False
将结果返回赋值给原变量，无需再次将结果赋值给新变量。即df.rename(inplace=True)之后，df的值发生改变（pandas中好多方法都有这个参数，此处就演示了）
level int，level name，default none
针对多层索引，指定需要改名字的索引具体是哪一个。
df1 = pd.DataFrame([10,11,12,13],index=[['a','a','b','b'],[1,2,3,4],[4,3,2,1]],columns=['tt'])
df1
tt #前三列都为索引
a 1 4 10
2 3 11
b 3 2 12
4 1 13
df1.rename(index={1:'dd'})
tt#索引中所有的1都变成了dd
a dd 4 10
2 3 11
b 3 2 12
4 dd 13
df1.rename(index={1:'dd'},level=1)
tt#只有第2列索引改为dd（从0开始计数）
a dd 4 10
2 3 11
b 3 2 12
4 1 13errors:{‘ignore’, ‘raise’}, default ‘ignore’
发生错误的处理方式，ignore为忽略，raise为报错。比如改名字是，如果传入的参数中包含索引列没有的值，就会报错，ignore或者raise来决定错误的处理方式
df1
tt #前三列都为索引
a 1 4 10
2 3 11
b 3 2 12
4 1 13
df1.rename(index={11:'dd'},level=1,errors='raise')
KeyError: '[11] not found in axis'#报错，11没在索引内
