Pandas：Series和DataFrame的重新索引函数--reindex

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

一、reindex函数的参数

参数	说明
index	用作索引的新序列。即可以是Index实例，也可以是其他序列型的Python数据结构。Index会被完全使用，就像没有任何复制一样
method	插值方式
fill_value	在重新索引的过程中，需要引入缺失值时使用的替代值
limit	前向或后向填充时的最大填充量
level	在MultiIndex的指定级别上匹配简单索引，否则选取其子集
copy	默认为True，无论如何都复制；如果为False，则新旧相等就不复制

二、Series的reindex

o = Series([1,3,4,7],index=['d','c','b','a'])
print(o)

d    1
c    3
b    4
a    7
dtype: int64

1.重新索引

o1 = o.reindex(['a','b','c','d','e']) # 若无对应值则用NaN填充
print(o1)

a    7.0
b    4.0
c    3.0
d    1.0
e    NaN
dtype: float64

2.使用fill_value参数填充缺失值

o2 = o.reindex(['a','b','c','d','e'],fill_value=0)
print(o2)

a    7
b    4
c    3
d    1
e    0
dtype: int64

三、DataFrame的reindex

data = {'水果':['苹果','梨','草莓'],
       '数量':[3,2,5],
       '价格':[10,9,8]}
df = DataFrame(data)

1.对行进行重索引（默认）

print(df.reindex([2,0,1]))

   价格  数量  水果
2   8   5  草莓
0  10   3  苹果
1   9   2   梨

2.对列进行重索引（columns参数）

print(df.reindex(columns=['水果','数量','价格']))

   水果  数量  价格
0  苹果   3  10
1   梨   2   9
2  草莓   5   8

3.同时对行和列进行重索引

print(df.reindex([2,0,1],columns=['水果','数量','价格']))

   水果  数量  价格
2  草莓   5   8
0  苹果   3  10
1   梨   2   9

四、使用loc/iloc实现更简洁的重索引

print(df.loc[[2,0,1],['水果','数量','价格']])

   水果  数量  价格
2  草莓   5   8
0  苹果   3  10
1   梨   2   9