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 pd
data=[[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：
（图片来源：截图于 利用python进行数据分析 Wes McKinney 著）
Pandas DataFrame重置索引案例
import pandas as pd
import numpy as np
a=pd.DataFrame(np.random.randint(1,10,20).reshape(4,5))
print(a)
0 1 2 3 4
0 1 3 2 7 6
1 8 2 2 7 2
2 2 6 6 2 5
3 4 1 6 8 9
b=a.sort_values(by=4)
print(b)
0 1 2 3 4
1 8 2 2 7 2
2 2 6 6 2 5
0 1 3 2 7 6
3 4 1 6 8 9
### 重置索引:方法1
c=a.sort_values(by=4,ignore_index=True)
print(c)
0 1 2 3 4
0 8 2 2 7 2
1 2 6 6 2 5
2 1 3 2 7 6
3 4 1 6 8 9
### 重置索引：方法2
d=b.reset_index(drop=True)
print(d)
0 1 2 3 4
0 8 2 2 7 2
1 2 6 6 2 5
2 1 3 2 7 6
3 4 1 6 8 9以上为个人经验，希望能给大家一个参考，也希望大家多多支持编程网。
