pandas reindex() 重新设置索引

说明

《Python 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas.DataFrame.reindex 方法用于根据新的索引重新排列 DataFrame 或 Series。它可以更改行和列的标签，使得数据对齐。pandas 的 DataFrame、Series 和 Index 对象均支持此方法。

语法

参数如下：

DataFrame.reindex(labels=None, *, index=None, columns=None, axis=None, method=None, copy=None, level=None, fill_value=nan, limit=None, tolerance=None)

遵循新的索引，对 DataFrame 进行调整，并可选地进行填充逻辑。在先前索引中没有值的位置填充 NA/NaN。除非新索引与当前索引等效且 copy=False，否则会生成一个新对象。

参数：

labels：数组类，可选
新的标签/索引，用于使指定的轴（由 axis 指定）符合。
index：数组类，可选
新的索引标签。最好是一个 Index 对象，以避免数据重复。
columns：数组类，可选
新的列标签。最好是一个 Index 对象，以避免数据重复。
axis：整数或字符串，可选
目标轴。可以是轴名称（'index'，'columns'）或数字（0，1）。
method：{None，'backfill'/'bfill'，'pad'/'ffill'，'nearest'}
用于填充重新索引的 DataFrame 中空洞的方法。请注意：这仅适用于具有单调递增/递减索引的 DataFrame/Series。
- None（默认）：不填充空洞。
- pad / ffill：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：使用下一个有效观测值填充空洞。
- nearest：使用最近的有效观测值填充空洞。
copy：布尔值，默认 True
返回一个新对象，即使传递的索引与原来相同。
注意：
在 pandas 3.0 中，copy 关键字的行为将发生变化。默认将启用写时复制（Copy-on-Write），这意味着所有带有 copy 关键字的方法将使用延迟复制机制来推迟复制，并忽略 copy 关键字。在未来的 pandas 版本中，copy 关键字将被删除。
您可以通过启用写时复制来获得未来的行为和改进：pd.options.mode.copy_on_write = True。
level：整数或名称
在级别上进行广播，匹配传递的 MultiIndex 级别上的 Index 值。
fill_value：标量，默认 np.nan
用于缺失值的填充值。默认为 NaN，但可以是任何“兼容”的值。
limit：整数，默认 None
向前或向后填充的连续元素的最大数量。
tolerance：可选
原始标签和新标签之间不精确匹配的最大距离。在匹配位置的索引值必须满足方程 abs(index[indexer] - target) <= tolerance。
公差可以是标量值，它对所有值应用相同的公差，也可以是类似列表的值，它为每个元素应用可变的公差。类似列表包括列表、元组、数组、Series，并且必须与索引的大小相同，其 dtype 必须与索引的类型完全匹配。

返回值：

DataFrame：具有更改后的索引。

例如：

import pandas as pd

# 创建 DataFrame
df = pd.DataFrame({
    'A': ['a', 'b', 'c'],
    'B': [1, 2, 3]
}, index=[0, 1, 2])

# 重新索引行
df_reindexed = df.reindex(index=[2, 1, 0, 3])
print(df_reindexed)

# 重新索引列
df_reindexed_columns = df.reindex(columns=['B', 'A', 'C'])
print(df_reindexed_columns)

# 填充缺失值
df_reindexed_fill = df.reindex(index=[2, 1, 0, 3], fill_value=0)
print(df_reindexed_fill)

示例

DataFrame.reindex 支持两种调用约定：

(index=index_labels, columns=column_labels,...)
(labels, axis={'index', 'columns'},...)

我们强烈建议使用关键字参数来明确您的意图。

创建一个包含一些虚构数据的数据框。

>>> index = ['Firefox', 'Chrome', 'Safari', 'IE10', 'Konqueror']
>>> df = pd.DataFrame({'http_status': [200, 200, 404, 404, 301],
...                   'esponse_time': [0.04, 0.02, 0.07, 0.08, 1.0]},
...                   index=index)
>>> df
           http_status  response_time
Firefox            200           0.04
Chrome             200           0.02
Safari             404           0.07
IE10               404           0.08
Konqueror          301           1.00

创建一个新的索引并重新索引数据框。默认情况下，新索引中在数据框中没有对应记录的值被分配为 NaN。

new_index = ['Safari', 'Iceweasel', 'Comodo Dragon', 'IE10',
             'Chrome']
df.reindex(new_index)
               http_status  response_time
Safari               404.0           0.07
Iceweasel              NaN            NaN
Comodo Dragon          NaN            NaN
IE10                 404.0           0.08
Chrome               200.0           0.02

我们可以通过向关键字fill_value传递一个值来填充缺失的值。因为索引不是单调递增或递减的，所以我们不能使用关键字方法的参数来填充NaN值。

df.reindex(new_index, fill_value=0)
               http_status  response_time
Safari                 404           0.07
Iceweasel                0           0.00
Comodo Dragon            0           0.00
IE10                   404           0.08
Chrome                 200           0.02

df.reindex(new_index, fill_value='missing')
              http_status response_time
Safari                404          0.07
Iceweasel         missing       missing
Comodo Dragon     missing       missing
IE10                  404          0.08
Chrome                200          0.02

我们也可以重新索引列。

df.reindex(columns=['http_status', 'user_agent'])
           http_status  user_agent
Firefox            200         NaN
Chrome             200         NaN
Safari             404         NaN
IE10               404         NaN
Konqueror          301         NaN

或者我们可以使用“axis style”关键字参数

df.reindex(['http_status', 'user_agent'], axis="columns")
           http_status  user_agent
Firefox            200         NaN
Chrome             200         NaN
Safari             404         NaN
IE10               404         NaN
Konqueror          301         NaN

为了进一步说明reindex中的填充功能，我们将创建一个具有单调递增索引（例如，日期序列）的数据帧。

date_index = pd.date_range('1/1/2010', periods=6, freq='D')
df2 = pd.DataFrame({"prices": [100, 101, np.nan, 100, 89, 88]},
                   index=date_index)
df2
            prices
2010-01-01   100.0
2010-01-02   101.0
2010-01-03     NaN
2010-01-04   100.0
2010-01-05    89.0
2010-01-06    88.0

假设我们决定扩展数据帧以覆盖更宽的日期范围。

date_index2 = pd.date_range('12/29/2009', periods=10, freq='D')
df2.reindex(date_index2)
            prices
2009-12-29     NaN
2009-12-30     NaN
2009-12-31     NaN
2010-01-01   100.0
2010-01-02   101.0
2010-01-03     NaN
2010-01-04   100.0
2010-01-05    89.0
2010-01-06    88.0
2010-01-07     NaN

默认情况下，原始数据帧中没有值的索引项（例如，“2009-12-29”）将填充NaN。如果需要，我们可以使用几个选项中的一个来填充缺失的值。

例如，要反向传播最后一个有效值以填充NaN值，请将bfill作为参数传递给方法关键字。

df2.reindex(date_index2, method='bfill')
            prices
2009-12-29   100.0
2009-12-30   100.0
2009-12-31   100.0
2010-01-01   100.0
2010-01-02   101.0
2010-01-03     NaN
2010-01-04   100.0
2010-01-05    89.0
2010-01-06    88.0
2010-01-07     NaN

请注意，原始数据帧中存在的NaN值（索引值为2010-01-03）将不会由任何值传播方案填充。这是因为重新索引时填充不查看数据帧值，而只比较原始索引和所需索引。如果确实要填充原始数据帧中的NaN值，请使用 fillna 方法。

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.reindex.html
https://pandas.pydata.org/docs/reference/api/pandas.Series.reindex.html
https://pandas.pydata.org/docs/reference/api/pandas.Index.reindex.html

pandas reindex() 重新设置索引

语法

示例

参考

相关内容