重建索引 會更改DataFrame的行標簽和列標簽。重新索引是指使數(shù)據(jù)與特定軸上的一組給定標簽匹配。
通過索引可以完成多個操作，例如-
重新排序現(xiàn)有數(shù)據(jù)以匹配一組新標簽。在標簽數(shù)據(jù)不存在的標簽位置中插入缺失值(NA)標記。
import pandas as pd
import numpy as np
N=20
df = pd.DataFrame({
'A': pd.date_range(start='2016-01-01',periods=N,freq='D'),
'x': np.linspace(0,stop=N-1,num=N),
'y': np.random.rand(N),
'C': np.random.choice(['Low','Medium','High'],N).tolist(),
'D': np.random.normal(100, 10, size=(N)).tolist()
})
# DataFrame重建索引
df_reindexed = df.reindex(index=[0,2,5], columns=['A', 'C', 'B'])
print(df_reindexed)運行結果：
A C B 0 2016-01-01 Low NaN 2 2016-01-03 High NaN 5 2016-01-06 Low NaN
您可能希望獲取一個對象并為其軸重新索引，使其標記為與另一個對象相同?？紤]以下示例以了解相同的內容。
import pandas as pd import numpy as np df1 = pd.DataFrame(np.random.randn(10,3),columns=['col1','col2','col3']) df2 = pd.DataFrame(np.random.randn(7,3),columns=['col1','col2','col3']) df1 = df1.reindex_like(df2) print(df1)
運行結果：
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
在這里，df1 DataFrame像df2一樣被更改和重新索引。列名稱應匹配，否則將為整個列標簽添加NAN。
reindex() 采用可選參數(shù)方法，這是一種填充方法，其值如下
pad/ffill ? 向前填充值
bfill/backfill ? 向后填充值
nearest ? 從最接近的索引值填充
import pandas as pd
import numpy as np
df1 = pd.DataFrame(np.random.randn(6,3),columns=['col1','col2','col3'])
df2 = pd.DataFrame(np.random.randn(2,3),columns=['col1','col2','col3'])
# 填充 NAN
print df2.reindex_like(df1)
# 現(xiàn)在用前面的值填充NAN
print("帶前向填充的數(shù)據(jù)幀:")
print(df2.reindex_like(df1,method='ffill'))運行結果：
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 NaN 帶前向填充的數(shù)據(jù)幀: 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
最后四行被填充。
limit參數(shù)為重新索引時的填充提供了額外的控制。限制指定連續(xù)匹配的最大數(shù)量。讓我們考慮以下示例以了解相同的內容-
import pandas as pd
import numpy as np
df1 = pd.DataFrame(np.random.randn(6,3),columns=['col1','col2','col3'])
df2 = pd.DataFrame(np.random.randn(2,3),columns=['col1','col2','col3'])
# 填充 NAN
print df2.reindex_like(df1)
# 現(xiàn)在用前面的值填充NAN print("前向填充限制為1的數(shù)據(jù)幀:")
print(df2.reindex_like(df1,method='ffill',limit=1))運行結果：
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 NaN 前向填充限制為1的數(shù)據(jù)幀: 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
請注意，前面的第六行僅填充了第七行。然后，各行保持原樣。
通過rename()方法，您可以基于某些映射（字典或系列）或任意函數(shù)來重新標記軸。
讓我們考慮以下示例以了解這一點-
import pandas as pd
import numpy as np
df1 = pd.DataFrame(np.random.randn(6,3),columns=['col1','col2','col3'])
print df1
print ("重命名行和列之后:")
print(df1.rename(columns={'col1' : 'c1', 'col2' : 'c2'},
index = {0 : 'apple', 1 : 'banana', 2 : 'durian'}))運行結果：
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 0.435479 重命名行和列之后: 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