一般常用的有兩個方法：
1、使用DataFrame.index = [newName]，DataFrame.columns = [newName]，這兩種方法可以輕鬆實現。
2、使用rename方法（推薦）：
DataFrame.rename（mapper = None，index = None，columns = None，axis = None，copy = True，inplace = False，level = None ）
引數介紹：
mapper，index，columns：可以任選其一使用，可以是將index和columns結合使用。index和column直接傳入mapper或者字典的形式。
axis：int或str，與mapper配合使用。可以是軸名稱（‘index’，‘columns’）或數字（0,1）。預設為’index’。
copy：boolean，預設為True，是否複製基礎資料。
inplace：布林值，預設為False，是否返回新的DataFrame。如果為True，則忽略複製值。

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，同時也可以為其賦值
 

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方法進行對映，map的使用方法就和python中的map幾乎一樣
print(df1.index.map(str.upper)) # Index(['BEIJING', 'SHANGHAI', 'GUANGZHOU'], dtype='object')

print(df1)
 
 # 結果 並未改變， 上面只是返回一個 dataframe 而已
'''
           a  b  c
beijing    0  1  2
shanghai   3  4  5
guangzhou  6  7  8
'''

# 如果 需要 改變的話，可以如下： 另外賦值給一個變數
df1.index = df1.index.map(str.upper)
print(df1) # 這樣 就 改變了
'''
           a  b  c
BEIJING    0  1  2
SHANGHAI   3  4  5
GUANGZHOU  6  7  8
'''

# 更快捷的 方法 使用 rename，可以分別為 index 和 column 來指定值
# 使用 map 的方式來賦值
df2 = df1.rename(index=str.lower, columns=str.upper) # 這種方法 照樣是產生一個新的 dataframe
print(df2)
''' 可以很輕鬆的 修改 dataframe 的 index 和 columns
           A  B  C
beijing    0  1  2
shanghai   3  4  5
guangzhou  6  7  8
'''

# 同時，rename 還可以傳入字典
df3 = df2.rename(index={'beijing':'bj'}, columns = {'A':'aa'}) # 為某個 index 單獨修改名稱
print(df3) #
'''
           aa  B  C
bj          0  1  2
shanghai    3  4  5
guangzhou   6  7  8
'''

# 自定義map函式
def test_map(x):
    return x+'_ABC'

print(df1.index.map(test_map))
# 輸出 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
'''