python中reindex方法怎么用

pandas的reindex方法是用于重新索引pandas对象的方法，常用于重新排序、补齐、删除以及更改某些元素的索引。reindex方法返回一个新的pandas对象，它具有新的索引。它还可以用于在缺失的位置插入NaN值或用其他值来填充。

reindex方法可以用于Series、DataFrames和Panel对象。在这篇文章中，我们将重点关注Series和DataFrames。

Series的reindex方法

Series的reindex方法的基本语法如下：

Series.reindex(labels[, index, …]) -> ’Same type as calling object’

其中，labels是新的索引列表，index是索引的新名称或索引对象。如果省略index，则将使用现有索引。如果labels包含现有索引中不存在的标签，则插入NaN值。

下面，我们通过一个简单的例子来说明如何使用Series的reindex方法：

import pandas as pd

# 创建一个Series对象
data = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])

# 重新索引
new_index = ['a', 'b', 'c', 'd', 'e']
new_data = data.reindex(new_index)

print(new_data)

输出结果为：

a    1.0
b    2.0
c    3.0
d    4.0
e    NaN
dtype: float64

在这个例子中，我们创建了一个名为data的Series对象，它有四个元素，并指定了它们的索引。我们还创建了一个新的索引列表，并使用reindex方法将data对象重新索引为新的索引列表。

注意，由于新索引中缺少“e”这个标签，Series对象中新增的位置填充了NaN值。

reindex还可以用于插入缺失的数据。例如，下面的代码将缺少的标签和相应的值插入Series对象中：

import pandas as pd

# 创建一个Series对象
data = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])

# 重新索引并插入缺失数据
new_index = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']
new_data = data.reindex(new_index, fill_value=0)

print(new_data)

输出结果为：

a    1
b    2
c    3
d    4
e    0
f    0
g    0
h    0
dtype: int64

在这个例子中，我们向新索引列表中添加了一些缺少的标签（e，f，g，h），并使用fill_value参数将这些位置的值设置为0。

DataFrames的reindex方法

reindex方法可以用于DataFrames的行或列。它的基本语法如下：

DataFrame.reindex([index, ]columns[, …]) -> ’Same type as calling object’

其中，index是新的行标签，columns是新的列标签。如果省略任何一个标签，则使用现有标签。如果新标签中缺少现有标签，则插入NaN值。

下面，我们通过一个简单的例子来说明如何使用DataFrames的reindex方法：

import pandas as pd

# 创建一个DataFrame对象
data = {'a': [1, 2, 3], 'b': [4, 5, 6], 'c': [7, 8, 9]}
df = pd.DataFrame(data, index=['x', 'y', 'z'])

# 重新索引行
new_index = ['x', 'y', 'z', 'w']
new_df = df.reindex(new_index)

print(new_df)

输出结果为：

     a    b    c
x  1.0  4.0  7.0
y  2.0  5.0  8.0
z  3.0  6.0  9.0
w  NaN  NaN  NaN

在这个例子中，我们创建了一个名为df的DataFrame，它有三行和三列，并指定了它们的索引。我们还创建了一个新的索引列表，并使用reindex方法将df对象的行重新索引为新的索引列表。由于新索引中缺少“w”这个标签，DataFrame对象中新增的位置填充了NaN值。

reindex还可以用于格式化DataFrame的列顺序。例如，下面的代码将原始DataFrame的列顺序重新排列：

import pandas as pd

# 创建一个DataFrame对象
data = {'a': [1, 2, 3], 'b': [4, 5, 6], 'c': [7, 8, 9]}
df = pd.DataFrame(data, index=['x', 'y', 'z'])

# 重新索引列
new_columns = ['b', 'a', 'c']
new_df = df.reindex(columns=new_columns)

print(new_df)

输出结果为：

   b  a  c
x  4  1  7
y  5  2  8
z  6  3  9

在这个例子中，我们创建了一个名为df的DataFrame，它有三行和三列，并指定了它们的列标签。我们还创建了一个新的列标签列表，并使用reindex方法将df对象的列重新排列为新的列表。

总结

在本文中，我们讨论了pandas的reindex方法，它用于重新索引pandas对象。我们了解了如何使用此方法为Series和DataFrames对象的索引创建新列表，并如何在缺少的位置插入NaN值或任何其他值。

虽然reindex方法不能使原始对象发生更改，但它生成一个新的pandas对象，以便我们可以对它进行进一步操作。reindex方法非常有用，因为它可以帮助我们在多个操作中轻松地调整DataFrame和Series对象的行和列，以最适合我们的需求。