约定：

import pandas as pd

import numpy as np

ReIndex重新索引

reindex()是pandas对象的一个重要方法，其作用是创建一个新索引的新对象。

一、对Series对象重新索引

se1=pd.Series([1,7,3,9],index=['d','c','a','f'])

se1

代码结果：

d    1

c    7

a    3

f    9

dtype: int64

调用reindex将会重新排序，缺失值则用NaN填补。

se2=se1.reindex(['a','b','c','d','e','f'])

se2

代码结果：

a    3.0

b    NaN

c    7.0

d    1.0

e    NaN

f    9.0

dtype: float64

传入method=” “重新索引时选择插值处理方式：

method='ffill'或'pad 前向填充

method='bfill'或'backfill 后向填充

se3=pd.Series(['blue','red','black'],index=[0,2,4])

se4=se3.reindex(range(6),method='ffill')

se4

代码结果：

0     blue

1     blue

2      red

3      red

4    black

5    black

dtype: object

二、对DataFrame对象重新索引

对于DataFrame对象，reindex能修改行索引和列索引。

df1=pd.DataFrame(np.arange(9).reshape(3,3),index=['a','c','d'],columns=['one','two','four'])

df1

代码结果：

one

two

four

a

0

1

2

c

3

4

5

d

6

7

8

默认对行索引重新排序

只传入一个序列不能重新排序列索引

df1.reindex(['a','b','c','d'])

代码结果：

one

two

four

a

0.0

1.0

2.0

b

NaN

NaN

NaN

c

3.0

4.0

5.0

d

6.0

7.0

8.0

df1.reindex(index=['a','b','c','d'],columns=['one','two','three','four'])

代码结果：

one

two

three

four

a

0.0

1.0

NaN

2.0

b

NaN

NaN

NaN

NaN

c

3.0

4.0

NaN

5.0

d

6.0

7.0

NaN

8.0

传入fill_value=n用n代替缺失值：

df1.reindex(index=['a','b','c','d'],columns=['one','two','three','four'],fill_value=100)

代码结果：

one

two

three

four

a

0

1

100

2

b

100

100

100

100

c

3

4

100

5

d

6

7

100

8

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。