python pandas 對series和dataframe的重置索引reindex方法
reindex更多的不是修改pandas對象的索引,而只是修改索引的順序,如果修改的索引不存在就會使用默認的None代替此行。且不會修改原數組,要修改需要使用賦值語句。
series.reindex()
import pandas as pd import numpy as np obj = pd.Series(range(4), index=['d', 'b', 'a', 'c']) print obj
d 0 b 1 a 2 c 3 dtype: int64
print obj.reindex(['a', 'b', 'c', 'd', 'e']) 1 a 2.0 b 1.0 c 3.0 d 0.0 e NaN dtype: float64
多出的索引‘e'會被賦值NaN
內插或填充method
obj1=pd.Series(range(3), index=['a', 'c', 'e']) print obj1.reindex(['a', 'b', 'c', 'd', 'e'],method='pad')
a 0 b 0 c 1 d 1 e 2 dtype: int64
ffill或pad: 前向(或進位)填充
bfill或backfill: 后向(或進位)填充
dataframe.reindex()
dataframe.reindex()可以改變(行)索引,列或兩者。當只傳入一個序列時,行被重新索引,一次可以對兩個重新索引,可是插值只在行側(0坐標軸)進行
frame = pd.DataFrame(np.arange(9).reshape((3, 3)), index=['a', 'c', 'd'], columns=['c1', 'c2', 'c3']) print frame
c1 c2 c3 a 0 1 2 c 3 4 5 d 6 7 8
states = ['c1', 'b2', 'c3'] frame.reindex(columns=states)
c1 | b2 | c3 | |
---|---|---|---|
a | 0 | NaN | 2 |
c | 3 | NaN | 5 |
d | 6 | NaN | 8 |
列名不一樣的會被賦值nan
frame_na=frame.reindex(index=['a', 'b', 'c', 'd'], method='ffill', columns=states) print frame_na
c1 b2 c3 a 0 NaN 2 b 0 NaN 2 c 3 NaN 5 d 6 NaN 8
插值只在行側(0坐標軸)進行,但是我們可以在其之后,對nan值進行填充
frame_na.fillna(method='ffill',axis=1)
c1 | b2 | c3 | |
---|---|---|---|
a | 0.0 | 0.0 | 2.0 |
b | 0.0 | 0.0 | 2.0 |
c | 3.0 | 3.0 | 5.0 |
d | 6.0 | 6.0 | 8.0 |
以上這篇python pandas 對series和dataframe的重置索引reindex方法就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關文章
python中argparse模塊及action='store_true'詳解
argparse?是一個用來解析命令行參數的?Python?庫,它是?Python?標準庫的一部分,這篇文章主要介紹了python中argparse模塊及action=‘store_true‘詳解,需要的朋友可以參考下2023-02-02Python3爬蟲爬取英雄聯(lián)盟高清桌面壁紙功能示例【基于Scrapy框架】
這篇文章主要介紹了Python3爬蟲爬取英雄聯(lián)盟高清桌面壁紙功能,結合實例形式分析了基于Scrapy爬蟲框架進行圖片爬取的相關項目創(chuàng)建、文件結構、功能實現操作技巧與注意事項,需要的朋友可以參考下2018-12-12