📜  Python|熊猫 dataframe.reindex_axis()

📅  最后修改于: 2022-05-13 01:54:28.625000             🧑  作者: Mango

Python|熊猫 dataframe.reindex_axis()

Python是一种用于进行数据分析的出色语言,主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas就是其中之一,它使导入和分析数据变得更加容易。

Pandas dataframe.reindex_axis()函数使输入对象与新索引一致。该函数在先前索引中没有值的位置填充NaN值。它还提供了一种填充数据框中缺失值的方法。除非新索引等同于当前索引并且 copy=False 否则会生成一个新对象

示例 #1:使用reindex_axis()函数在索引轴上重新索引数据帧。默认情况下,新索引中在数据框中没有相应记录的值被分配为 NaN。
注意:我们可以使用 'ffill' 方法填充缺失值

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = 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]},
                   index =["A1", "A2", "A3", "A4", "A5"])
  
# Print the dataframe
df

让我们使用dataframe.reindex_axis()函数在索引轴上重新索引数据帧

# reindexing with new index values
df.reindex_axis(["A1", "A2", "A4", "A7", "A8"], axis = 0)

输出 :

注意输出,新索引填充了NaN值,我们可以使用 'ffill' 方法填充缺失值。

# filling the missing values using ffill method
df.reindex_axis(["A1", "A2", "A4", "A7", "A8"], 
                     axis = 0, method ='ffill')

输出 :

请注意,在输出中,新索引已使用“A5”行填充。示例 #2:使用reindex_axis()函数重新索引列轴

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = 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]}, 
                   index =["A1", "A2", "A3", "A4", "A5"])
  
# reindexing the column axis with
# old and new index values
df.reindex_axis(["A", "B", "D", "E"], axis = 1)

输出 :

注意,我们在重新索引后的新列中有NaN值,我们可以在重新索引时处理缺失的值。通过使用ffill方法,我们可以向前填充缺失的值。

# reindex the columns
# we fill the missing values using ffill method
df.reindex_axis(["A", "B", "D", "E"], axis = 1, method ='ffill')

输出 :