修改pandas数据的索引以及对其排序

目录

1.index和reindex

2.sort

---

1.index和reindex

        在Pandas中， index 函数用于返回DataFrame或Series对象的索引。索引是用于标识每行或每列的标签或位置。 index 函数返回的是一个 Index 对象，其中包含了索引的标签信息。

import pandas as pd

# 创建一个示例DataFrame
a = pd.DataFrame([1, 2, 3, 4, 5],index=['a', 'b', 'c', 'd', 'e'])

# 输出原始DataFrame的索引
print(a.index) # 输出结果：Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

# 修改DataFrame的索引
new_index = ['one', 'two', 'three', 'four', 'five']
a.index = new_index

# 输出修改后的DataFrame的索引
print(a.index) # 输出结果：Index(['one', 'two', 'three', 'four', 'five'], dtype='object')

在这个示例中，我们首先创建了一个示例DataFrame，然后使用 index 函数来获取原始DataFrame的索引。接着，我们修改了DataFrame的索引，并再次使用 index 函数来查看修改后的索引。

   reindex 函数则用于重新索引DataFrame或Series对象。重新索引是指根据新的索引标签重新排列数据，缺失的标签将被填充为NaN或指定的值。 

import pandas as pd

# 创建一个示例DataFrame
a = pd.DataFrame([5, 6, 2, 4, 3],index=['a', 'b', 'c', 'd', 'e'])

new_index = ['a', 'b', 'c', 'd']
new_s = s.reindex(new_index)

# 输出重新索引后的Series
print(new_s)
#输出：      0
#       a  5.0
#       b  6.0
#       c  2.0
#       d  4.0
#       f  NaN
#       g  NaN

 

在这个示例中，我们首先创建了一个示例Series，然后使用 reindex 函数将其重新索引为一个新的索引。新的索引包括原始索引以及两个新的索引标签 'f' 和 'g'。 reindex 函数会根据新的索引重新排列数据，并在缺失的标签处填充NaN。  

2.sort

      在Pandas中， sort_values() 函数用于对DataFrame或Series对象的值进行排序，而 sort_index() 函数用于对索引进行排序。这两个函数可以帮助您按照特定的顺序对数据进行排序。 下面是一个简单的示例，演示如何使用 sort_values() 和 sort_index() 函数：

import pandas as pd

# 创建一个示例DataFrame
a = pd.DataFrame([5, 6, 2, 4, 3],index=['a', 'b', 'c', 'd', 'e'])

# 按照'A'列的值排序DataFrame
sorted_a = a.sort_values(by=0)
print(sorted_a)
# 输出：       0
#           e  3
#           d  4
#           a  5
#           b  6


# 按照索引排序DataFrame
sorted_index_a = a.sort_index()
print(sorted_index_a)
# 输出：   0
#       a  5
#       b  6
#       c  2
#       d  4
#       e  3

在这个示例中，我们首先创建了一个示例DataFrame，然后分别使用 sort_values() 和 sort_index() 函数对DataFrame进行排序。 sort_values() 函数根据指定的列（这里是0列）的值进行排序，而 sort_index() 函数则根据索引进行排序。