约定：

import pandas as pd
import numpy as np

ReIndex重新索引

reindex()是pandas对象的一个重要方法，其作用是创建一个新索引的新对象。

一、对Series对象重新索引

se1=pd.Series([1,7,3,9],index=['d','c','a','f'])
se1

代码结果：

d    1
c    7
a    3
f    9
dtype: int64

调用reindex将会重新排序，缺失值则用NaN填补。

se2=se1.reindex(['a','b','c','d','e','f'])
se2

代码结果：

a    3.0
b    NaN
c    7.0
d    1.0
e    NaN
f    9.0
dtype: float64

传入method=” “重新索引时选择插值处理方式：

method='ffill'或'pad 前向填充

method='bfill'或'backfill 后向填充

se3=pd.Series(['blue','red','black'],index=[0,2,4])
se4=se3.reindex(range(6),method='ffill')
se4

代码结果：

0     blue
1     blue
2      red
3      red
4    black
5    black
dtype: object

二、对DataFrame对象重新索引

对于DataFrame对象，reindex能修改行索引和列索引。

df1=pd.DataFrame(np.arange(9).reshape(3,3),index=['a','c','d'],columns=['one','two','four'])
df1

代码结果：

one two four a 0 1 2 c 3 4 5 d 6 7 8

默认对行索引重新排序

只传入一个序列不能重新排序列索引

df1.reindex(['a','b','c','d'])

代码结果：

one two four a 0.0 1.0 2.0 b NaN NaN NaN c 3.0 4.0 5.0 d 6.0 7.0 8.0

df1.reindex(index=['a','b','c','d'],columns=['one','two','three','four'])

代码结果：

one two three four a 0.0 1.0 NaN 2.0 b NaN NaN NaN NaN c 3.0 4.0 NaN 5.0 d 6.0 7.0 NaN 8.0

传入fill_value=n用n代替缺失值：

df1.reindex(index=['a','b','c','d'],columns=['one','two','three','four'],fill_value=100)

代码结果：

one two three four a 0 1 100 2 b 100 100 100 100 c 3 4 100 5 d 6 7 100 8

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。