📜  Python| Pandas Series.reindex_like()

📅  最后修改于: 2022-05-13 01:55:26.722000             🧑  作者: Mango

Python| Pandas Series.reindex_like()

Pandas 系列是带有轴标签的一维 ndarray。标签不必是唯一的,但必须是可散列的类型。该对象支持整数和基于标签的索引,并提供了许多方法来执行涉及索引的操作。

Pandas Series.reindex_like()函数返回一个具有匹配索引的对象作为其他对象。它使对象符合所有轴上的相同索引。

示例 #1:使用Series.reindex_like()函数根据另一个对象重新索引给定的系列对象。

# importing pandas as pd
import pandas as pd
  
# Creating the first Series
sr1 = pd.Series([10, 25, 3, 11, 24, 6])
  
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
  
# set the index
sr1.index = index_
  
# Print the series
print(sr1)
  
# Creating the second Series
sr2 = pd.Series([10, 25, 3, 11, 24, 6, 25, 45])
  
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta',
            'Dew', 'ThumbsUp', 'Mirinda', 'Appy']
  
# set the index
sr2.index = index_
  
# Print the series
print(sr2)

输出 :

现在我们将使用Series.reindex_like()函数根据 sr1 重新索引 sr2 系列对象。

# reindex sr2 using sr1
result = sr2.reindex_like(sr1)
  
# Print the result
print(result)

输出 :


正如我们在输出中看到的, Series.reindex_like()函数已经成功地使用 sr1 重新索引了 sr2 对象。额外标签的通知已被删除。

示例 #2:使用Series.reindex_like()函数根据另一个对象重新索引给定的系列对象。

# importing pandas as pd
import pandas as pd
  
# Creating the first Series
sr1 = pd.Series(['New York', 'Chicago', 'Toronto', 'Lisbon', 'Rio'])
  
# Create the Index
index_ = ['City 1', 'City 2', 'City 3', 'City 4', 'City 5'] 
  
# set the index
sr1.index = index_
  
# Print the series
print(sr1)
  
# Creating the second Series
sr2 = pd.Series(['New York', 'Toronto', 'Lisbon', 'Rio'])
  
# Create the Index
index_ = ['City 1', 'City 3', 'City 4', 'City 5'] 
  
# set the index
sr2.index = index_
  
# Print the series
print(sr2)

输出 :

现在我们将使用Series.reindex_like()函数根据 sr1 重新索引 sr2 系列对象。

# reindex sr2 using sr1
result = sr2.reindex_like(sr1)
  
# Print the result
print(result)

输出 :

正如我们在输出中看到的, Series.reindex_like()函数已经成功地使用 sr1 重新索引了 sr2 对象。注意新添加的NaN值已被使用。