Pandas重建索引

重新索引会更改DataFrame的行标签和列标签。重新索引意味着符合数据以匹配特定轴上的一组给定的标签。

可以通过索引来实现多个操作 -

• 重新排序现有数据以匹配一组新的标签。
• 在没有标签数据的标签位置插入缺失值(NA)标记。

示例

import pandas as pd
import numpy as np N&＃61;20 df &＃61; pd.DataFrame({ &＃39;A&＃39;: pd.date_range(start&＃61;&＃39;2016-01-01&＃39;,periods&＃61;N,freq&＃61;&＃39;D&＃39;), &＃39;x&＃39;: np.linspace(0,stop&＃61;N-1,num&＃61;N), &＃39;y&＃39;: np.random.rand(N), &＃39;C&＃39;: np.random.choice([&＃39;Low&＃39;,&＃39;Medium&＃39;,&＃39;High&＃39;],N).tolist(), &＃39;D&＃39;: np.random.normal(100, 10, size&＃61;(N)).tolist() }) #reindex the DataFrame df_reindexed &＃61; df.reindex(index&＃61;[0,2,5], columns&＃61;[&＃39;A&＃39;, &＃39;C&＃39;, &＃39;B&＃39;]) print (df_reindexed)

执行上面示例代码&＃xff0c;得到以下结果 -

A C B
0 2016-01-01 Low NaN
2 2016-01-03 High NaN
5 2016-01-06 Low NaN


重建索引与其他对象对齐

有时可能希望采取一个对象和重新索引&＃xff0c;其轴被标记为与另一个对象相同。 考虑下面的例子来理解这一点。

示例

import pandas as pd
import numpy as np df1 &＃61; pd.DataFrame(np.random.randn(10,3),columns&＃61;[&＃39;col1&＃39;,&＃39;col2&＃39;,&＃39;col3&＃39;]) df2 &＃61; pd.DataFrame(np.random.randn(7,3),columns&＃61;[&＃39;col1&＃39;,&＃39;col2&＃39;,&＃39;col3&＃39;]) df1 &＃61; df1.reindex_like(df2) print df1

执行上面示例代码&＃xff0c;得到以下结果 -

col1 col2 col3
0 -2.467652 -1.211687 -0.391761
1 -0.287396 0.522350 0.562512
2 -0.255409 -0.483250 1.866258
3 -1.150467 -0.646493 -0.222462
4 0.152768 -2.056643 1.877233
5 -1.155997 1.528719 -1.343719
6 -1.015606 -1.245936 -0.295275


注意 - 在这里&＃xff0c;df1数据帧(DataFrame)被更改并重新编号&＃xff0c;如df2。 列名称应该匹配&＃xff0c;否则将为整个列标签添加NAN。

填充时重新加注

reindex()采用可选参数方法&＃xff0c;它是一个填充方法&＃xff0c;其值如下&＃xff1a;

• pad/ffill - 向前填充值
• bfill/backfill - 向后填充值
• nearest - 从最近的索引值填充

示例

import pandas as pd
import numpy as np df1 &＃61; pd.DataFrame(np.random.randn(6,3),columns&＃61;[&＃39;col1&＃39;,&＃39;col2&＃39;,&＃39;col3&＃39;]) df2 &＃61; pd.DataFrame(np.random.randn(2,3),columns&＃61;[&＃39;col1&＃39;,&＃39;col2&＃39;,&＃39;col3&＃39;]) # Padding NAN&＃39;s print df2.reindex_like(df1) # Now Fill the NAN&＃39;s with preceding Values print ("Data Frame with Forward Fill:") print df2.reindex_like(df1,method&＃61;&＃39;ffill&＃39;)

执行上面示例代码时&＃xff0c;得到以下结果 -

col1 col2 col3
0 1.311620 -0.707176 0.599863
1 -0.423455 -0.700265 1.133371
2 NaN NaN NaN
3 NaN NaN NaN
4 NaN NaN NaN
5 NaN NaN NaNData Frame with Forward Fill:col1 col2 col3
0 1.311620 -0.707176 0.599863
1 -0.423455 -0.700265 1.133371
2 -0.423455 -0.700265 1.133371
3 -0.423455 -0.700265 1.133371
4 -0.423455 -0.700265 1.133371
5 -0.423455 -0.700265 1.133371


注 - 最后四行被填充了。

重建索引时的填充限制

限制参数在重建索引时提供对填充的额外控制。限制指定连续匹配的最大计数。考虑下面的例子来理解这个概念 -

示例

import pandas as pd
import numpy as np df1 &＃61; pd.DataFrame(np.random.randn(6,3),columns&＃61;[&＃39;col1&＃39;,&＃39;col2&＃39;,&＃39;col3&＃39;]) df2 &＃61; pd.DataFrame(np.random.randn(2,3),columns&＃61;[&＃39;col1&＃39;,&＃39;col2&＃39;,&＃39;col3&＃39;]) # Padding NAN&＃39;s print df2.reindex_like(df1) # Now Fill the NAN&＃39;s with preceding Values print ("Data Frame with Forward Fill limiting to 1:") print df2.reindex_like(df1,method&＃61;&＃39;ffill&＃39;,limit&＃61;1)

在执行上面示例代码时&＃xff0c;得到以下结果 -

col1 col2 col3
0 0.247784 2.128727 0.702576
1 -0.055713 -0.021732 -0.174577
2 NaN NaN NaN
3 NaN NaN NaN
4 NaN NaN NaN
5 NaN NaN NaNData Frame with Forward Fill limiting to 1:col1 col2 col3
0 0.247784 2.128727 0.702576
1 -0.055713 -0.021732 -0.174577
2 -0.055713 -0.021732 -0.174577
3 NaN NaN NaN
4 NaN NaN NaN
5 NaN NaN NaN


注意 - 只有第7行由前6行填充。 然后&＃xff0c;其它行按原样保留。

重命名

rename()方法允许基于一些映射(字典或者系列)或任意函数来重新标记一个轴。
看看下面的例子来理解这一概念。

示例

import pandas as pd
import numpy as np df1 &＃61; pd.DataFrame(np.random.randn(6,3),columns&＃61;[&＃39;col1&＃39;,&＃39;col2&＃39;,&＃39;col3&＃39;]) print df1 print ("After renaming the rows and columns:") print df1.rename(columns&＃61;{&＃39;col1&＃39; : &＃39;c1&＃39;, &＃39;col2&＃39; : &＃39;c2&＃39;}, index &＃61; {0 : &＃39;apple&＃39;, 1 : &＃39;banana&＃39;, 2 : &＃39;durian&＃39;})

执行上面示例代码&＃xff0c;得到以下结果 -

col1 col2 col3
0 0.486791 0.105759 1.540122
1 -0.990237 1.007885 -0.217896
2 -0.483855 -1.645027 -1.194113
3 -0.122316 0.566277 -0.366028
4 -0.231524 -0.721172 -0.112007
5 0.438810 0.000225 0.435479After renaming the rows and columns:c1 c2 col3
apple 0.486791 0.105759 1.540122
banana -0.990237 1.007885 -0.217896
durian -0.483855 -1.645027 -1.194113
3 -0.122316 0.566277 -0.366028
4 -0.231524 -0.721172 -0.112007
5 0.438810 0.000225 0.435479


rename()方法提供了一个inplace命名参数&＃xff0c;默认为False并复制底层数据。 指定传递inplace &＃61; True则表示将数据重命名。