约定第一行代码

import numpy as np
import pandas as pd

ReIndex重新索引

一、对Series对象重新索引

se1=pd.Series([1,7,3,9],index=['d','c','a','f'])
se1

#代码结果
d    1
c    7
a    3
f    9
dtype: int64

• 调用reindex将会重新排序，缺失值则用NaN填补

se2=se1.reindex(['a','b','c','d','e','f'])
se2

#代码结果
a    3.0
b    NaN
c    7.0
d    1.0
e    NaN
f    9.0
dtype: float64

• 传入method=” “重新索引时选择插值处理方式

前向填充

se3=pd.Series(['blue','red','black'],index=[0,2,4])
se4=se3.reindex(range(6),method='ffill')
se4

#代码结果
0     blue
1     blue
2      red
3      red
4    black
5    black
dtype: object

后向填充

se3=pd.Series(['blue','red','black'],index=[0,2,4])
se4=se3.reindex(range(6),method='bfill')
se4

#代码结果
0     blue
1     red
2     red
3    black
4    black
5    NaN
dtype: object

二、对DataFrame对象重新索引

df1=pd.DataFrame(np.arange(9).reshape(3,3),index=['a','c','d'],columns=['one','two','four'])
df1

代码结果

• 默认对行索引重新排序

df1.reindex(['a','b','c','d'])

代码结果

• 传入参数 重新排序行和列

df1.reindex(index=['a','b','c','d'],
            columns=['one','two','three','four'])

代码结果

• 传入fill_value=n用n代替缺失值

df1.reindex(index=['a','b','c','d'],
            columns=['one','two','three','four'],
            fill_value=100)

代码结果