重置索引（reindex）可以更改原 DataFrame 的行標簽或列標簽，并使更改后的行、列標簽與 DataFrame 中的數(shù)據(jù)逐一匹配。通過重置索引操作，您可以完成對現(xiàn)有數(shù)據(jù)的重新排序。如果重置的索引標簽在原 DataFrame 中不存在，那么該標簽對應(yīng)的元素值將全部填充為 NaN。

重置行列標簽

看一組簡單示例：

import pandas as pd
import numpy as np
N=20
df = pd.DataFrame({
   'A': pd.date_range(start='2016-01-01',periods=N,freq='D'),
   'x': np.linspace(0,stop=N-1,num=N),
   'y': np.random.rand(N),
   'C': np.random.choice(['Low','Medium','High'],N).tolist(),
   'D': np.random.normal(100, 10, size=(N)).tolist()
})
#重置行、列索引標簽
df_reindexed = df.reindex(index=[0,2,5], columns=['A', 'C', 'B'])
print(df_reindexed)

輸出結(jié)果：

A C B
0 2020-12-07 Medium NaN
2 2020-12-09 Low NaN
5 2020-12-12 High NaN

現(xiàn)有 a、b 兩個 DataFrame 對象，如果想讓 a 的行索引與 b 相同，您可以使用 reindex_like() 方法。示例如下：

import pandas as pd
import numpy as np
a = pd.DataFrame(np.random.randn(10,3),columns=['col1','col2','col3'])
b = pd.DataFrame(np.random.randn(7,3),columns=['col1','col2','col3'])
a= a.reindex_like(b)
print(a)

輸出結(jié)果：

col1 col2 col3
0 1.776556 -0.821724 -1.220195
1 -1.401443 0.317407 -0.663848
2 0.300353 -1.010991 0.939143
3 0.444041 -1.875384 0.846112
4 0.967159 0.369450 -0.414128
5 0.320863 -1.223477 -0.337110
6 -0.933665 0.909382 1.129481

上述示例，a 會按照 b 的形式重建行索引。需要特別注意的是，a 與 b 的列索引標簽必須相同。

填充元素值

reindex_like() 提供了一個可選的參數(shù)method，使用它來填充相應(yīng)的元素值，參數(shù)值介紹如下：

pad/ffill：向前填充值；

bfill/backfill：向后填充值；

nearest：從距離最近的索引值開始填充。

示例如下：

import pandas as pd
import numpy as np
df1 = pd.DataFrame(np.random.randn(6,3),columns=['col1','col2','col3'])
df2 = pd.DataFrame(np.random.randn(2,3),columns=['col1','col2','col3'])
#使df2和df1行標簽相同
print(df2.reindex_like(df1))
#向前填充
print(df2.reindex_like(df1,method='ffill'))

輸出結(jié)果：

#填充前
col1 col2 col3
0 0.129055 0.835440 0.383065
1 -0.357231 0.379293 1.211549
2 NaN NaN NaN
3 NaN NaN NaN
4 NaN NaN NaN
5 NaN NaN NaN
#填充后
col1 col2 col3
0 0.129055 0.835440 0.383065
1 -0.357231 0.379293 1.211549
2 -0.357231 0.379293 1.211549
3 -0.357231 0.379293 1.211549
4 -0.357231 0.379293 1.211549
5 -0.357231 0.379293 1.211549

限制填充行數(shù)

reindex_like() 還提供了一個額外參數(shù) limit，該參數(shù)用來控制填充的最大行數(shù)。示例如下：

import pandas as pd
import numpy as np
df1 = pd.DataFrame(np.random.randn(6,3),columns=['col1','col2','col3'])
df2 = pd.DataFrame(np.random.randn(2,3),columns=['col1','col2','col3'])
print (df2.reindex_like(df1))
#最多填充2行
print (df2.reindex_like(df1,method='ffill',limit=2))

輸出結(jié)果：

col1 col2 col3
0 -1.829469 0.310332 -2.008861
1 -1.038512 0.749333 -0.094335
2 NaN NaN NaN
3 NaN NaN NaN
4 NaN NaN NaN
5 NaN NaN NaN

col1 col2 col3
0 -1.829469 0.310332 -2.008861
1 -1.038512 0.749333 -0.094335
2 -1.038512 0.749333 -0.094335
3 -1.038512 0.749333 -0.094335
4 NaN NaN NaN
5 NaN NaN NaN

由上述示例可以看出，填充了 2、3 行缺失值，也就是只填充了 2 行數(shù)據(jù)。

重命名標簽

rename() 方法允許您使用某些映射(dict或Series)或任意函數(shù)來對行、列標簽重新命名，示例如下：

import pandas as pd
import numpy as np
df1 = pd.DataFrame(np.random.randn(6,3),columns=['col1','col2','col3'])
print (df1)
#對行和列重新命名
print (df1.rename(columns={'col1' : 'c1', 'col2' : 'c2'},index = {0 : 'apple', 1 : 'banana', 2 : 'durian'}))

輸出結(jié)果：

col1 col2 col3
0 -1.762133 -0.636819 -0.309572
1 -0.093965 -0.924387 -2.031457
2 -1.231485 -0.738667 1.415724
3 -0.826322 0.206574 -0.731701
4 1.863816 -0.175705 0.491907
5 0.677361 0.870041 -0.636518

c1 c2 col3
apple -1.762133 -0.636819 -0.309572
banana -0.093965 -0.924387 -2.031457
durian -1.231485 -0.738667 1.415724
3 -0.826322 0.206574 -0.731701
4 1.863816 -0.175705 0.491907
5 0.677361 0.870041 -0.636518

rename() 方法提供了一個 inplace 參數(shù)，默認值為 False，表示拷貝一份原數(shù)據(jù)，并在復制后的數(shù)據(jù)上做重命名操作。若 inplace=True 則表示在原數(shù)據(jù)的基礎(chǔ)上重命名。

到此這篇關(guān)于Pandas reindex重置索引的使用的文章就介紹到這了,更多相關(guān)Pandas reindex重置索引內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: