【原】Pandas reindex重置索引

码农9527 2021-09-29

展开全文

重置索引（reindex）可以更改原DataFrame的行标签或列标签，并使更改后的行、列标签与DataFrame中的数据逐一匹配。通过重置索引操作，您可以完成对现有数据的重新排序。如果重置的索引标签在原DataFrame中不存在，那么该标签对应的元素值将全部填充为NaN。

重置行列标签

看一组简单示例：

import pandas as pdimport numpy as np
N=20df = 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、列索引标签df_reindexed = df.reindex(index=[0,2,5], columns=['A', 'C', 'B'])
print(df_reindexed)12345678910111213复制代码类型：[python]

输出结果：

  A C   B0 2020-12-07  Medium NaN2 2020-12-09  Low NaN5 2020-12-12 High NaN1234复制代码类型：[python]

现有a、b两个DataFrame对象，如果想让a的行索引与b相同，您可以使用reindex_like()方法。示例如下：

import pandas as pdimport 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)123456复制代码类型：[python]

输出结果：

 col1   col2   col30  1.776556 -0.821724 -1.2201951 -1.401443  0.317407 -0.6638482  0.300353 -1.010991  0.9391433  0.444041 -1.875384  0.8461124  0.967159  0.369450 -0.4141285  0.320863 -1.223477 -0.3371106 -0.933665  0.909382  1.12948112345678复制代码类型：[python]

上述示例，a会按照b的形式重建行索引。需要特别注意的是，a与b的列索引标签必须相同。

填充元素值

reindex_like()提供了一个可选的参数method，使用它来填充相应的元素值，参数值介绍如下：

pad/ffill：向前填充值；

bfill/backfill：向后填充值；

nearest：从距离最近的索引值开始填充。

示例如下：

import pandas as pdimport 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行标签相同print(df2.reindex_like(df1))#向前填充print(df2.reindex_like(df1,method='ffill'))12345678复制代码类型：[python]

输出结果：

#填充前
 col1   col2   col30  0.129055  0.835440  0.3830651 -0.357231  0.379293  1.2115492 NaN NaN NaN3 NaN NaN NaN4 NaN NaN NaN5 NaN NaN NaN#填充后
 col1   col2   col30  0.129055  0.835440  0.3830651 -0.357231  0.379293  1.2115492 -0.357231  0.379293  1.2115493 -0.357231  0.379293  1.2115494 -0.357231  0.379293  1.2115495 -0.357231  0.379293  1.21154912345678910111213141516复制代码类型：[python]

限制填充行数

reindex_like()还提供了一个额外参数limit，该参数用来控制填充的最大行数。示例如下：

import pandas as pdimport 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))1234567复制代码类型：[python]

输出结果：

 col1   col2   col30 -1.829469  0.310332 -2.0088611 -1.038512  0.749333 -0.0943352 NaN NaN NaN3 NaN NaN NaN4 NaN NaN NaN5 NaN NaN NaN

 col1   col2   col30 -1.829469  0.310332 -2.0088611 -1.038512  0.749333 -0.0943352 -1.038512  0.749333 -0.0943353 -1.038512  0.749333 -0.0943354 NaN NaN NaN5 NaN NaN NaN123456789101112131415复制代码类型：[python]

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行数据。

重命名标签

rename()方法允许您使用某些映射(dict或Series)或任意函数来对行、列标签重新命名，示例如下：

import pandas as pdimport numpy as np
df1 = pd.DataFrame(np.random.randn(6,3),columns=['col1','col2','col3'])print (df1)#对行和列重新命名print (df1.rename(columns={'col1' : 'c1', 'col2' : 'c2'},index = {0 : 'apple', 1 : 'banana', 2 : 'durian'}))123456复制代码类型：[python]

输出结果：

 col1   col2   col30 -1.762133 -0.636819 -0.3095721 -0.093965 -0.924387 -2.0314572 -1.231485 -0.738667  1.4157243 -0.826322  0.206574 -0.7317014  1.863816 -0.175705  0.4919075  0.677361  0.870041 -0.636518

  c1  c2   col3
apple  -1.762133 -0.636819 -0.309572banana -0.093965 -0.924387 -2.031457durian -1.231485 -0.738667  1.4157243   -0.826322  0.206574 -0.7317014 1.863816 -0.175705  0.4919075 0.677361  0.870041 -0.636518123456789101112131415复制代码类型：[python]

rename()方法提供了一个inplace参数，默认值为False，表示拷贝一份原数据，并在复制后的数据上做重命名操作。若inplace=True则表示在原数据的基础上重命名。