Pandas DataFrame DataFrame.reindex() 函式
Minahil Noor
2023年1月30日
-
pandas.DataFrame.reindex()語法 -
示例程式碼：
DataFrame.reindex() -
示例程式碼：
DataFrame.reindex()來重新索引列 -
示例程式碼：
DataFrame.reindex()用fill_value填充缺失值的方法 -
示例程式碼：
DataFrame.reindex()使用method引數來填充缺失的值
Python Pandas DataFrame.reindex() 函式改變一個 DataFrame 的索引。它改變了指定軸上的索引。新的索引不包含值。它提供了可選的引數來填充這些值。
pandas.DataFrame.reindex() 語法
DataFrame.dropna(
labels, index, columns, axis, method, copy, level, fill_value, limit, tolerance
)
引數
labels |
它是一個類似於陣列的結構，包含新索引的名稱 |
index, columns |
它是一個類似於陣列的結構，包含新索引的名稱。應使用關鍵字 index 或 columns 來指定 |
axis |
它是一個整數或字串。它告訴目標軸的行或列。它可以是 0 或 index，1 或 columns |
method |
這個引數指定了在重新索引的 DataFrame 中填充缺失值的方法。它有四種可能的方法： None、backfill/bfill、pad/ffill、pad/ffill。None, backfill/bfill, pad/ffill, nearest. 它只適用於我們的 DataFrame 或 Series 有一個索引遞增或遞減的序列 |
copy |
布林值。預設情況下，它是 True。它返回一個新物件 |
level |
它是一個整數或名稱。它匹配傳遞的多索引級別的索引值 |
fill_value |
它有一個標量值。它是填補缺失值的值 |
limit |
它是一個整數。它表示連續元素的極限，同時填充缺失值 |
tolerance |
在不完全匹配的情況下，它可以顯示原始標籤和新標籤之間的差異 |
返回值
它返回一個帶有改變過的索引的 DataFrame。
示例程式碼：DataFrame.reindex()
預設情況下，軸是 0 即行，所以行將被重新索引。
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: 100, 2: 80,3: 75, 4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: 56, 1: 75, 2: 82, 3: 64, 4: 67}})
print(dataframe)
例子 DataFrame 如下。
Attendance Name Obtained Marks
0 60 Olivia 56
1 100 John 75
2 80 Laura 82
3 75 Ben 64
4 95 Kevin 67
Python 中的索引從 0 開始，我們將重新索引我們的 DataFrame，新的索引將從 1 開始。
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.reindex([1, 2, 3, 4, 5])
print(dataframe1)
輸出：
Attendance Name Obtained Marks
1 100.0 John 75.0
2 80.0 Laura 82.0
3 75.0 Ben 64.0
4 95.0 Kevin 67.0
5 NaN NaN NaN
這裡，5 是一個新的索引。所以，新索引的值是 NaN。
示例程式碼：DataFrame.reindex() 來重新索引列
有兩種方法可以重新索引列。一種是用列關鍵字指定標籤，另一種是使用軸引數。比較好的一種是用列關鍵字指定標籤。
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.reindex(columns=["Presents", "Name", "Marks"])
print(dataframe1)
輸出：
Presents Name Marks
0 NaN Olivia NaN
1 NaN John NaN
2 NaN Laura NaN
3 NaN Ben NaN
4 NaN Kevin NaN
舊的索引用舊的值分配。新索引的值為 NaN。
我們也可以用 axis 引數重新索引列。
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.reindex(["Presents", "Name", "Marks"], axis="columns")
print(dataframe1)
示例程式碼：DataFrame.reindex() 用 fill_value 填充缺失值的方法
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.reindex([1, 2, 3, 4, 5], fill_value=0)
print(dataframe1)
輸出：
Attendance Name Obtained Marks
1 100 John 75
2 80 Laura 82
3 75 Ben 64
4 95 Kevin 67
5 0 0 0
缺失的值現在用 0 填充。
示例程式碼：DataFrame.reindex() 使用 method 引數來填充缺失的值
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.reindex([1, 2, 3, 4, 5], method="ffill")
print(dataframe1)
輸出：
Attendance Name Obtained Marks
1 100 John 75
2 80 Laura 82
3 75 Ben 64
4 95 Kevin 67
5 95 Kevin 67
方法 ffill 用最後一個可用值填補了前向缺失值。