目录

一、reindex方法

一、reindex方法

reindex的作用是对Series或DataFrame对象创建一个适应新索引的新对象。

以一个简单示例说明。

import pandas as pd

from pandas import Series, DataFrame

obj = Series([4.5, 7.2, -5.3, 3.6], index = ['d', 'b', 'a', 'c'])

#reindex用法示例

obj2 = obj.reindex(['a', 'b', 'c', 'd', 'e'])

obj2

输出：a -5.3

b 7.2

c 3.6

d 4.5

e NaN

dtype: float64

可以看到reindex方法重新设定了一组数据的索引，如果索引在原数据中没有匹配，则以NaN填充。

如果不想以NaN填充呢？可以用fill_value方法来设置。

obj.reindex(['a', 'b', 'c', 'd', 'e'], fill_value = 0)

输出：a -5.3

b 7.2

c 3.6

d 4.5

e 0.0

dtype: float64

也可以用ffill方法实现前向填充，也就是补充的索引如果没有对应的数值，则取前一个索引的值填充。

obj3 = Series(['blue', 'purple', 'yellow'], index = [0, 2, 4])

obj3

输出：0 blue

2 purple

4 yellow

dtype: object

#使用ffill实现前向值填充

obj3.reindex(range(6), method = 'ffill')

输出：0 blue

1 blue

2 purple

3 purple

4 yellow

5 yellow

dtype: object

以上都是对Series的reindex用法，接下来看看DataFrame的reindex方法。

区别主要在于，DataFrame可以对index或columns使用reindex方法。

#DataFrame使用reindex方法

import numpy as np

frame = DataFrame(np.arange(9).reshape((3, 3)), index = ['a', 'c', 'd'], columns = ['Ohio', 'Texas', 'California'])

frame

输出：

Ohio Texas California

a 0 1 2

c 3 4 5

d 6 7 8

frame2 = frame.reindex(['a', 'b', 'c', 'd'])

frame2

输出：

Ohio Texas California

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

states = ['Texas', 'Utah', 'California']

frame.reindex(columns = states)

输出：

Texas Utah California

a 1 NaN 2

c 4 NaN 5

d 7 NaN 8

#对DataFrame使用ffill方法，书里的写法会报错，用如下写法是没问题的

frame.reindex(index = ['a', 'b', 'c', 'd'], columns = states).ffill()

输出：

Texas Utah California

a 1.0 NaN 2.0

b 1.0 NaN 2.0

c 4.0 NaN 5.0

d 7.0 NaN 8.0

#标签索引loc方法(书中的'ix'方法已经不能使用了，loc方法等同原ix方法

frame.loc[['a', 'b', 'c', 'd'], states]

输出：

Texas Utah California

a 1.0 NaN 2.0

b NaN NaN NaN

c 4.0 NaN 5.0

d 7.0 NaN 8.0

假期最后一天。。。就写这么多了。。。