Python Pandas-重新索引

在 Pandas 中，重新索引是指为数据帧（DataFrame）或系列（Series）对象创建一个新的指定索引的过程。重新索引可用于修改现有对象的索引或在新对象中创建新索引。

语法

数据帧（DataFrame）：

df.reindex(index=None, columns=None, fill_value=None, method=None, limit=None, level=None, copy=True)

系列（Series）：

s.reindex(index=None, **kwargs)

参数：

• index：新索引，由索引数组或其他序列指定。

• columns：仅适用于数据框，可以将原始数据中的列名称修改为指定的列名称。

• fill_value：用于填充缺失索引位置的值，如果不传入，则默认为 NaN。

• method：指定用于填充插值的方法。默认值为 None，表示用 fill_value 填充。可以使用 'ffill' 或 'pad' 来插入前值，'bfill' 或 'backfill' 来插入后值。

• limit：向前或向后填充时的最大连续缺失值数。

• level：在多层索引上匹配简单索引的级别。

• copy：默认为 True，表示复制源数据并返回新建索引的数据框或系列。如果设置为 False，则不进行复制。

示例

重新索引数据框（DataFrame）

import pandas as pd

# 创建数据框
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, index=['a', 'b', 'c'])

# 重新索引数据框
df = df.reindex(index=['a', 'b', 'd'], columns=['A', 'B', 'D'])

print(df)

输出：

     A    B   D
a  1.0  4.0 NaN
b  2.0  5.0 NaN
d  NaN  NaN NaN

重新索引系列（Series）

import pandas as pd

# 创建系列
s = pd.Series([1, 2, 3], index=['a', 'b', 'c'])

# 重新索引系列
s = s.reindex(index=['a', 'b', 'd'], fill_value=0)

print(s)

输出：

a    1
b    2
d    0
dtype: int64

修改索引名称

import pandas as pd

# 创建数据框
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, index=['a', 'b', 'c'])

# 修改索引名称
df.index = ['A', 'B', 'C']

print(df)

输出：

   A  B  C
A  1  4  7
B  2  5  8
C  3  6  9

总结

通过 Pandas 中的 reindex() 函数，我们可以重新索引数据框和系列对象，并可以指定新的行和列的索引。此外，我们还可以使用其他参数来覆盖缺失值、插值等操作。