Pandas中DataFrame的重新索引实例分析

本篇内容主要讲解“pandas中DataFrame的重新索引实例分析”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Pandas中DataFrame的重新索引实例分析”吧!

Pandas DataFrame之重新索引

1.reindex可以对行和列索引

默认对行索引，加上关键字columns对列索引。

import pandas as pddata=[[1,1,1,1],[2,2,2,2],[3,3,3,3],[4,4,4,4]]df = pd.DataFrame(data,index=['d','b','c','a'])print(df)

默认对列索引：如果是新的索引名将会用NaN

df=df.reindex(['a','b','c','d','e'])print(df)

加上关键字columns对列重新索引：

df=df.reindex(columns=[2,1,3,4,0])print(df)

2.reindex插值处理

对于index为有序的数据，我们有时候可能会进行一些插值处理，只需要在reindex加上method参数即可，参数如下表

（图片来源：截图于 利用python进行数据分析 Wes McKinney 著）

例子：

import pandas as pd data=[[1,1,1,1],[2,2,2,2],[3,3,3,3]]df = pd.DataFrame(data,index=range(3))print(df)df=df.reindex([0,1,2,3,4,5],method='ffill')print('--------------')print(df)

reindex函数的相关参数：

Pandas DataFrame重置索引案例

import pandas as pdimport numpy as npa=pd.DataFrame(np.random.randint(1,10,20).reshape(4,5))print(a)   0  1  2  3  40  1  3  2  7  61  8  2  2  7  22  2  6  6  2  53  4  1  6  8  9b=a.sort_values(by=4)print(b)   0  1  2  3  41  8  2  2  7  22  2  6  6  2  50  1  3  2  7  63  4  1  6  8  9### 重置索引:方法1c=a.sort_values(by=4,ignore_index=True)print(c)   0  1  2  3  40  8  2  2  7  21  2  6  6  2  52  1  3  2  7  63  4  1  6  8  9### 重置索引：方法2d=b.reset_index(drop=True)print(d)   0  1  2  3  40  8  2  2  7  21  2  6  6  2  52  1  3  2  7  63  4  1  6  8  9

到此，相信大家对“Pandas中DataFrame的重新索引实例分析”有了更深的了解，不妨来实际操作一番吧！这里是编程网网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！