重新索引
pandas对象的一个重要方法是
reindex ,其作用是创建一个适应新索引的新对象。
#reindex函数的参数 reindex(index,method,fill_value,limit,level,copy) #index:用作索引的新序列 #method:插值（填充）方式 #fill_value：在重新索引的过程中，需要引入缺失值时使用的代替值 #limit：前向或后向填充时的最大填充量 #level：在MultiIndex的指定级别上匹配简单索引，否则选取其子集 #copy：默认为True，无论如何都复制，如果为False，则新旧相等就不复制
obj=Series([4.5,7.2,-5.3,3.6],index=['d','b','a','c']) obj #调用该Series的reindex将会根据新索引进行重排 #如果某个索引值当前不存在，就引入缺失值 obj2=obj.reindex(['a','b','c','d','e']) obj2 #填充缺失值 obj.reindex(['a','b','c','d','e'],fill_value=0)
重新索引时，可能需要做一些插值处理。method选项可以达到此目的。
obj3=Series(['blue','purple','yellow'],index=[0,2,4]) obj3 obj3.reindex(range(6),method='ffill')
reindex的（插值）method选项
ffill或pad ——向前填充（或搬运）值
bfill或backfill——后向填充（或搬运）值
重新索引行
frame=DataFrame(np.arange(9).reshape(3,3),index=['a','c','d'], columns=['Ohio','Texas','California']) frame frame2=frame.reindex(['a','b','c','d']) frame2
重新索引列
使用
columns关键字进行重新索引
states=['Texas','Utah','California'] frame.reindex(columns=states)
同时对行和列进行重新索引
frame.reindex(index=['a','b','c','d'],columns=states).ffill()
利用ix的标签索引功能，重新索引任务可以变得更简洁：
frame.ix[['a','b','c','d'],states]
问题记录：
在同时对行和列进行索引时，书中代码是：
frame.reindex(index=['a','b','c','d'],method='ffill',columns=states)
但是会出现错误：
ValueError: index must be monotonic increasing or decreasing
#不加ffill填充 frame.reindex(index=['a','b','c','d'],columns=states)
结果为
查找资料后自己初步理解为：为了重新索引方法，你的索引必须是有序/单调/递增的顺序，因为列也是重新索引的，而不是单调增加或减少。
书中的代码适合以前版本的pandas。
资料链接：https://stackoverflow.com/questions/44868877/valueerror-index-must-be-monotonic-increasing-or-decreasing-including-index-co/46893526#46893526
解决：
frame.reindex(index=['a','b','c','d'],columns=states).ffill()
上面写法可以达到与书中同样的结果。