重新索引

Pandas 重新索引的主要任务是根据新的索引调整 DataFrame，并具有可选的填充逻辑，并在前一个索引中不存在值的位置放置 NA/NaN。它返回一个新对象，除非新索引被生成为与当前索引等效，并且copy的值变为False。

重新索引用于更改 DataFrame 的行和列的索引。我们可以使用 reindex() 方法重新索引单个或多个行。新索引中的默认值如果不在 DataFrame 中，则分配为 NaN。

语法

参数

labels： 这是一个可选参数，指的是新的标签或索引，以符合“axis”指定的轴。

index，columns： 这也是一个可选参数，指的是新的标签或索引。它通常更喜欢索引对象以避免重复数据。

axis： 也是一个可选参数，用于定位轴，可以是轴名称或数字。

method： 也是一个可选参数，用于填充重新索引的 DataFrame 中的空洞。它只能应用于具有单调递增/递减顺序的 DataFrame 或 Series。

None： 这是默认值，不填充间隙。

pad / ffill： 它用于将最后一个有效观测值向前传播到下一个有效观测值。

backfill / bfill： 为了填补空白，它使用下一个有效观测值。

nearest： 为了填补空白，它使用下一个有效观测值。

copy： 其默认值为 True，并返回一个新对象作为布尔值，即使传递的索引相同。

level： 它用于跨级别广播，并在传递的 MultiIndex 级别上匹配索引值。

fill_value： 它的默认值为 np.NaN，用于填充现有的缺失（NaN）值。它需要任何新元素才能成功进行 DataFrame 对齐，并在计算前使用该值。

limit： 它定义了要向前或向后填充的连续元素的最大数量。

tolerance： 这也是一个可选参数，用于确定原始标签和新标签之间用于不精确匹配的最大距离。在匹配位置，索引的值应该最符合等式 abs(index[indexer] ? target) <= tolerance。

返回值

它返回重新索引的 DataFrame。

示例 1

下面的示例显示了 reindex() 函数的工作原理，用于重新索引数据帧。在新索引中，默认值被分配为 NaN，在新索引中，数据帧中没有相应的记录。

注意：我们可以使用 fill_value 来填充缺失值。

输出

         A    B    D    E
Parker	NaN  NaN  NaN  NaN
William	NaN  NaN  NaN  NaN
Smith	NaN  NaN  NaN  NaN
Terry	NaN  NaN  NaN  NaN
Phill	NaN  NaN  NaN  NaN

现在，我们可以使用 dataframe.reindex() 函数重新索引数据帧。

输出

	P	Q	R	S
A	NaN	NaN	NaN	NaN
B	NaN	NaN	NaN	NaN
C	NaN	NaN	NaN	NaN
D	NaN	NaN	NaN	NaN
E	NaN	NaN	NaN	NaN

请注意，新索引填充了 NaN 值。我们可以使用 fill_value 参数填充缺失值。

输出

	P	Q	R	S
A	100	100	100	100
B	100	100	100	100
C	100	100	100	100
D	100	100	100	100
E	100	100	100	100

示例 2

此示例显示了 reindex() 函数重新索引列轴的工作原理。

输出

        A     B    D    E
Parker	NaN  NaN  NaN  NaN
William	NaN  NaN  NaN  NaN
Smith	NaN  NaN  NaN  NaN
Terry	NaN  NaN  NaN  NaN
Phill	NaN  NaN  NaN  NaN

请注意，重新索引后新列中存在 NaN 值，我们可以使用函数的参数 fill_value 来删除 NaN 值。

输出

        A   B   D   E
Parker	37  37  37  37
William	37  37  37  37
Smith	37  37  37  37
Terry	37  37  37  37
Phill	37  37  37  37