版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/LY_ysys629/article/details/55005201
python pandas 对series和dataframe的重置索引reindex
reindex更多的不是修改pandas对象的索引，而只是修改索引的顺序，如果修改的索引不存在就会使用默认的None代替此行。且不会修改原数组，要修改需要使用赋值语句。
series.reindex()
import pandas as pd
import numpy as np
obj = pd.Series(range(4), index=['d', 'b', 'a', 'c'])
print obj
- 1
- 2
- 3
- 4
- 5
d 0
b 1
a 2
c 3
dtype: int64
- 1
- 2
- 3
- 4
- 5
- 6
print obj.reindex(['a', 'b', 'c', 'd', 'e'])
- 1
a 2.0
b 1.0
c 3.0
d 0.0
e NaN
dtype: float64
- 1
- 2
- 3
- 4
- 5
- 6
- 7
多出的索引‘e’会被赋值NaN
内插或填充method
obj1=pd.Series(range(3), index=['a', 'c', 'e'])
print obj1.reindex(['a', 'b', 'c', 'd', 'e'],method='pad')
- 1
- 2
a 0
b 0
c 1
d 1
e 2
dtype: int64
- 1
- 2
- 3
- 4
- 5
- 6
- 7
ffill或pad: 前向（或进位）填充
bfill或backfill: 后向（或进位）填充
dataframe.reindex()
dataframe.reindex()可以改变（行）索引，列或两者。当只传入一个序列时，行被重新索引,一次可以对两个重新索引，可是插值只在行侧（0坐标轴）进行
frame = pd.DataFrame(np.arange(9).reshape((3, 3)), index=['a', 'c', 'd'], columns=['c1', 'c2', 'c3'])
print frame
- 1
- 2
c1 c2 c3
a 0 1 2
c 3 4 5
d 6 7 8
- 1
- 2
- 3
- 4
- 5
states = ['c1', 'b2', 'c3']
frame.reindex(columns=states)
- 1
- 2
| c1 | b2 | c3 | |
|---|---|---|---|
| a | 0 | NaN | 2 |
| c | 3 | NaN | 5 |
| d | 6 | NaN | 8 |
列名不一样的会被赋值nan
frame_na=frame.reindex(index=['a', 'b', 'c', 'd'], method='ffill', columns=states)
print frame_na
- 1
- 2
c1 b2 c3
a 0 NaN 2
b 0 NaN 2
c 3 NaN 5
d 6 NaN 8
- 1
- 2
- 3
- 4
- 5
- 6
插值只在行侧（0坐标轴）进行,但是我们可以在其之后，对nan值进行填充
frame_na.fillna(method='ffill',axis=1)
- 1
| c1 | b2 | c3 | |
|---|---|---|---|
| a | 0.0 | 0.0 | 2.0 |
| b | 0.0 | 0.0 | 2.0 |
| c | 3.0 | 3.0 | 5.0 |
| d | 6.0 | 6.0 | 8.0 |
<link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/markdown_views-ea0013b516.css">
</div>
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/LY_ysys629/article/details/55005201
python pandas 对series和dataframe的重置索引reindex
reindex更多的不是修改pandas对象的索引，而只是修改索引的顺序，如果修改的索引不存在就会使用默认的None代替此行。且不会修改原数组，要修改需要使用赋值语句。
series.reindex()
import pandas as pd
import numpy as np
obj = pd.Series(range(4), index=['d', 'b', 'a', 'c'])
print obj
- 1
- 2
- 3
- 4
- 5
d 0
b 1
a 2
c 3
dtype: int64
- 1
- 2
- 3
- 4
- 5
- 6
print obj.reindex(['a', 'b', 'c', 'd', 'e'])
- 1
a 2.0
b 1.0
c 3.0
d 0.0
e NaN
dtype: float64
- 1
- 2
- 3
- 4
- 5
- 6
- 7
多出的索引‘e’会被赋值NaN
内插或填充method
obj1=pd.Series(range(3), index=['a', 'c', 'e'])
print obj1.reindex(['a', 'b', 'c', 'd', 'e'],method='pad')
- 1
- 2
a 0
b 0
c 1
d 1
e 2
dtype: int64
- 1
- 2
- 3
- 4
- 5
- 6
- 7
ffill或pad: 前向（或进位）填充
bfill或backfill: 后向（或进位）填充
dataframe.reindex()
dataframe.reindex()可以改变（行）索引，列或两者。当只传入一个序列时，行被重新索引,一次可以对两个重新索引，可是插值只在行侧（0坐标轴）进行
frame = pd.DataFrame(np.arange(9).reshape((3, 3)), index=['a', 'c', 'd'], columns=['c1', 'c2', 'c3'])
print frame
- 1
- 2
c1 c2 c3
a 0 1 2
c 3 4 5
d 6 7 8
- 1
- 2
- 3
- 4
- 5
states = ['c1', 'b2', 'c3']
frame.reindex(columns=states)
- 1
- 2
| c1 | b2 | c3 | |
|---|---|---|---|
| a | 0 | NaN | 2 |
| c | 3 | NaN | 5 |
| d | 6 | NaN | 8 |
列名不一样的会被赋值nan
frame_na=frame.reindex(index=['a', 'b', 'c', 'd'], method='ffill', columns=states)
print frame_na
- 1
- 2
c1 b2 c3
a 0 NaN 2
b 0 NaN 2
c 3 NaN 5
d 6 NaN 8
- 1
- 2
- 3
- 4
- 5
- 6
插值只在行侧（0坐标轴）进行,但是我们可以在其之后，对nan值进行填充
frame_na.fillna(method='ffill',axis=1)
- 1
| c1 | b2 | c3 | |
|---|---|---|---|
| a | 0.0 | 0.0 | 2.0 |
| b | 0.0 | 0.0 | 2.0 |
| c | 3.0 | 3.0 | 5.0 |
| d | 6.0 | 6.0 | 8.0 |
<link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/markdown_views-ea0013b516.css">
</div>