Pandas重新索引的主要任务是使DataFrame与具有可选填充逻辑的新索引保持一致,并将NA/NaN放置在先前索引中不存在值的位置。除非产生与当前索引等效的新索引,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。无涯教程可以使用reindex()方法为单行或多行重新索引。如果新索引中的默认值不在DataFrame中,则分配为NaN。
DataFrame.reindex(labels=None, index=None, columns=None, axis=None, method=None, copy=True, level=None, fill_value=nan, limit=None, tolerance=None)
labels - 这是一个可选参数,它引用新标签或索引以符合"轴"所指定的轴。
index,columns - 它也是一个可选参数,用于引用新标签或索引。通常,它倾向于使用索引对象来避免重复数据。
axis - 它也是以轴为目标的可选参数,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中的孔。它只能以单调递增/递减顺序应用于DataFrame或Series。
copy - 其默认值为True,即使传递的索引相同,也将返回一个新对象作为布尔值。
level - 在传递的MultiIndex级别上匹配索引值。
fill_value - 其默认值为np.NaN,用于填充现有的缺失(NaN)值。
limit - 它定义了要向前或向后填充的连续元素的最大数量。
tolerance - 也是可选参数,用于确定不精确匹配的原始标签和新标签之间的最大距离。
它返回重新索引的DataFrame。
下面的示例显示 reindex()函数为dataframe重新编制索引的工作。在新索引中,默认值在新索引中被指定为NaN,而在DataFrame中没有相应的记录。
import pandas as pd # Create dataframe info = 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", "Learnfk", "Terry", "Phill"]) # Print dataframe info
输出:
A B D E Parker NaN NaN NaN NaN William NaN NaN NaN NaN Learnfk NaN NaN NaN NaN Terry NaN NaN NaN NaN Phill NaN NaN NaN NaN
现在,可以使用dataframe.reindex()函数为数据帧重新编制索引。
# 用新的索引值重新索引 info.reindex(["A", "B", "C", "D", "E"])
输出:
P Q R S A NaN NaN NaN NaN B NaN NaN NaN NaN C NaN NaN NaN NaN D NaN NaN NaN NaN E NaN NaN NaN NaN
请注意,新索引填充了NaN值。可以使用fill_value参数填写缺少的值。
# 将缺失值填充 100 info.reindex(["A", "B", "C", "D", "E"], fill_value =100)
输出:
P Q R S A 100 100 100 100 B 100 100 100 100 C 100 100 100 100 D 100 100 100 100 E 100 100 100 100
示例2 :
此示例显示了reindex()函数为列轴重新编制索引的工作。
# importing pandas as pd importpandas as pd # 创建第一个数据框 info1 =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]}) # 重新索引axis 新旧索引值 info.reindex(columns =["A", "B", "D", "E"])
输出:
A B D E Parker NaN NaN NaN NaN William NaN NaN NaN NaN Learnfk NaN NaN NaN NaN Terry NaN NaN NaN NaN Phill NaN NaN NaN NaN
请注意,重新编制索引后,新列中存在NaN值,无涯教程可以在函数中使用参数fill_value来删除NaN值。
# 重新索引列 # 用 37 填充缺失值 info.reindex(columns =["A", "B", "D", "E"], fill_value =37)
输出:
A B D E Parker 37 37 37 37 William 37 37 37 37 Learnfk 37 37 37 37 Terry 37 37 37 37 Phill 37 37 37 37
祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)