Pandas 教程-重新索引
P
点击关注 👉约 4 分钟
点击关注 👉约 4 分钟整理： python架构师
Pandas 中的 reindex 主要任务是将 DataFrame 调整为新索引，可选择填充逻辑，并将 NA/NaN 放置在以前索引中不存在值的位置。除非新索引生成为当前索引的等效索引，否则它将返回一个新对象，并且 copy 的值将变为 False。 重新索引用于更改 DataFrame 的行和列的索引。我们可以使用 reindex() 方法重新索引单个或多个行。如果在 DataFrame 中不存在，默认情况下会在新索引中分配 NaN 值。语法：
DataFrame.reindex(labels=None, index=None, columns=None, axis=None, method=None, copy=True, level=None, fill_value=nan, limit=None, tolerance=None) 参数：
labels： 这是一个可选参数，指的是要符合由 'axis' 指定的轴的新标签或索引。 index, columns： 这也是一个可选参数，指的是新标签或索引。它通常为索引对象，以避免重复数据。 axis： 这也是一个可选参数，它指向轴，可以是轴名称或数字。 method： 这也是一个可选参数，用于填充重新索引的 DataFrame 中的空洞。它仅适用于 DataFrame 或具有单调递增/递减顺序的 Series。 None： 这是默认值，不填充缺口。 pad / ffill： 用于将最后一个有效观测向前传播到下一个有效观测。 backfill / bfill： 用于使用下一个有效观测来填补缺口。 nearest： 用于使用下一个有效观测来填补缺口。 copy： 它的默认值为 True，返回一个新对象作为布尔值，即使传递的索引相同。 level： 它用于在级别之间广播，并在传递的 MultiIndex 级别上匹配索引值。 fill_value： 它的默认值为 np.NaN，用于填充现有的缺失（NaN）值。它需要任何新元素，以便在计算之前成功地与此值对齐 DataFrame。 limit： 它定义要前向或后向填充的最大连续元素数。 tolerance： 它也是一个可选参数，用于确定原始标签和新标签之间的最大距离，以进行不精确匹配。在匹配位置，索引的值应最满足方程 abs(index[indexer] ? target) <= tolerance。返回：
它返回重新索引的 DataFrame。专属福利 👉点击领取：最全Python资料合集
示例 1：
下面的示例展示了 reindex() 函数的工作原理，以重新索引 DataFrame。在新索引中，默认值是 NaN，如果它在 DataFrame 中不存在相应的记录。注意：我们可以使用 fill_value 来填充缺失值。
输出:import pandas as pd# Create dataframeinfo = pd.DataFrame({"P":[4, 7, 1, 8, 9],"Q":[6, 8, 10, 15, 11],"R":[17, 13, 12, 16, 14],"S":[15, 19, 7, 21, 9]},index =["Parker", "William", "Smith", "Terry", "Phill"])# Print dataframeinfo
现在，我们可以使用 dataframe.reindex() 函数来重新索引数据框。A B D EParker NaN NaN NaN NaNWilliam NaN NaN NaN NaNSmith NaN NaN NaN NaNTerry NaN NaN NaN NaNPhill NaN NaN NaN NaN
输出:# reindexing with new index valuesinfo.reindex(["A", "B", "C", "D", "E"])
请注意，新的索引中填充了 NaN 值。我们可以使用 fill_value 参数填充缺失值。P Q R SA NaN NaN NaN NaNB NaN NaN NaN NaNC NaN NaN NaN NaND NaN NaN NaN NaNE NaN NaN NaN NaN
输出:# filling the missing values by 100info.reindex(["A", "B", "C", "D", "E"], fill_value =100)
P Q R SA 100 100 100 100B 100 100 100 100C 100 100 100 100D 100 100 100 100E 100 100 100 100
示例 2：
这个例子展示了 reindex() 函数的工作原理，以重新索引列轴。输出:# importing pandas as pdimportpandas as pd# Creating the first dataframeinfo1 =pd.DataFrame({"A":[1, 5, 3, 4, 2],"B":[3, 2, 4, 3, 4],"C":[2, 2, 7, 3, 4],"D":[4, 3, 6, 12, 7]})# reindexing the column axis with# old and new index valuesinfo.reindex(columns =["A", "B", "D", "E"])
请注意，在重新索引后的新列中存在 NaN 值，我们可以使用 fill_value 参数从函数中删除 NaN 值。A B D EParker NaN NaN NaN NaNWilliam NaN NaN NaN NaNSmith NaN NaN NaN NaNTerry NaN NaN NaN NaNPhill NaN NaN NaN NaN
输出:# reindex the columns# fill the missing values by 25info.reindex(columns =["A", "B", "D", "E"], fill_value =37)
A B D EParker 37 37 37 37William 37 37 37 37Smith 37 37 37 37Terry 37 37 37 37Phill 37 37 37 37
热门推荐