一、什么是索引对象
索引对象的理解其实很简单，索引对象的作用主要是负责管理轴标签和其他元数据的。构建Series和DataFrame时，所用到的任何数组或其他序列的标签都会被转换成一个Index。pandas中Index类来表示基本索引对象。来看两个打印，分别是索引对象所在类名输出，一个是其__doc__属性。
import pandas as pd
import numpy as np
print(pd.Index)
print(pd.Index.__doc__)
二、索引对象的获取
import pandas as pd
import numpy as np
a = pd.Index([1, 2, 3])
b = pd.Index(list('abc'))
print(a)
print(b)
"""
结果
Index([1, 2, 3], dtype='int64')
Index(['a', 'b', 'c'], dtype='object')
"""我们来看一下上述输出的最后有两个例子，即使用pd.Index()方法就能创建一个索引对象。第一个输出dtype='int64'，第二个dtype='object'，第二个输出难道不是dtype='string'，要回答这个问题，我们先看另外一个例子：
import pandas as pd
import numpy as np
data_test = pd.DataFrame({"Yes_No": [True, False],
"Value": [1.1, 2],
"Type": ['Small', 'large']
})
print(data_test.dtypes)
"""
结果
Yes_No bool
Value float64
Type object
dtype: object
"""“Type”行数据的类型为object,并不是String,跟索引对象中的一致，这是为什么呢？简单的说就是：dtype对象来自NumPy，它描述ndarray中元素的类型。ndarray中的每个元素都必须具有相同的字节大小。对于int64和float64，它们是8个字节。但是对于字符串，字符串的长度不是固定的，Pandas使用了一个对象ndarray来保存指向对象的指针，而不是直接在ndarray中保存字符串的字节，因此这种ndarray的dtype是object。
弄清楚这个问题，我们就可以看一下索引对象怎么获取了：
import pandas as pd
import numpy as np
df = pd.DataFrame({'time': ['2023-09-21', '2023-09-22', '2023-09-23'],
'count': [1, 2, 3]}, index=['a', 'b', 'c'])
print(df)
print('获取的索引对象为：', df.index)
print('获取的索引对象值为：', df.index.values)
"""
结果
time count
a 2023-09-21 1
b 2023-09-22 2
c 2023-09-23 3
获取的索引对象为： Index(['a', 'b', 'c'], dtype='object')
获取的索引对象值为： ['a' 'b' 'c']
"""使用df.index获取索引对象，使用df.index.values获取索引对象数据。
三、索引的可重复性
索引对象的索引是可以重复的，这句话是什么意思呢？我们在构建DataFrame的时候传入的index是可以重复的，可以这样: index=['a','b','c']，可以这样index=['a','b','a']，还可以这样index=['a','a',None]等等。
import pandas as pd
import numpy as np
df = pd.DataFrame({'time': ['2023-09-21', '2023-09-22', '2023-09-23', '2023-09-24'],
'count': [1, 2, 3, 4]}, index=['a', 'b', 'a', 'b'])
print(df)
print(df.index.is_unique)
print(df.index.isna())
"""
结果
time count
a 2023-09-21 1
b 2023-09-22 2
a 2023-09-23 3
b 2023-09-24 4
False
[False False False False]
"""第一行输出包含重复索引的DataFrame。
第二行代码使用is_unique()方法来判断索引是否是唯一不重复的，返回bool值。
第三行代码使用isna()方法来判断索引是否是None值。
四、索引的不可修改性
索引的不可修改性就是说这个索引是不支持进行修改的，但是可以进行重置。换句话说索引是不支持部分修改的，可以全部替换。
import pandas as pd
import numpy as np
df = pd.DataFrame({'time': ['2023-09-21', '2023-09-22', '2023-09-23', '2023-09-24'],
'count': [1, 2, 3, 4]}, index=['a', 'b', 'a', 'b'])
print(df.index[0])
df.index[0] = "p"
"""
结果
报错：
TypeError: Index does not support mutable operations
"""那么该如何进行这个索引的修改的呢？介绍重置索引的方法：
1. 直接赋值替换
import pandas as pd
import numpy as np
df = pd.DataFrame({'time': ['2023-09-21', '2023-09-22', '2023-09-23', '2023-09-24'],
'count': [1, 2, 3, 4]}, index=['a', 'b', 'a', 'b'])
df.index = ['e', 'r', 't', 'y']
print(df)
"""
#结果
time count
e 2023-09-21 1
r 2023-09-22 2
t 2023-09-23 3
y 2023-09-24 4
#替换索引成功
"""2.使用set_index()，reset_index()和reindex()方法
在pandas中常用的有几个方法如set_index() 和 reset_index() 以及 reindex() ，这几个方法看着很相近但是如果没有完全搞明白区分它们的不同的话，在日后的使用中会极大影响数据预处理时的工作效率。为了更好的以不同例子说明这几个方法的作用与区别，如下先声明一个初始数据集。
import pandas as pd
import numpy as np
# 生成模拟数据
generd = ['男', '女']
boolean = [True, False]
df = pd.DataFrame({"height": np.random.randint(150, 190, 5),
"weight": np.random.randint(40, 80, 5),
"age": np.random.randint(20, 100, 5),
"gender": [generd[x] for x in np.random.randint(0, len(generd), 5)],
"smoker": [boolean[x] for x in np.random.randint(0, 2, 5)]
},
index=list("abcde"))
print(df)
"""
#结果
height weight age gender smoker
a 172 61 65 女 True
b 187 77 57 女 True
c 177 48 52 男 True
d 167 57 39 女 True
e 162 73 65 女 True
"""
（1）set_index()
DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)set_index() 主要可以将数据表中指定的某列设置为索引或复合索引，如下是常涉及使用的几个参数：
keys：列标签或列标签/数组列表，需要设置为索引的列。
drop：默认为True，删除用作新索引的列，也就是当把某列设置为索引后，原来的列会移除。
append：是否将列附加到现有索引，默认为False。
inplace：输入布尔值，表示当前操作是否对原数据生效，默认为False。
如下代码说明，当keys参数设置为height字段时，height字段将变成索引列。同时因为drop=True 代表同时删除原数据中的height列，默认情况本身为True。
import pandas as pd
import numpy as np
# 生成模拟数据
generd = ['男', '女']
boolean = [True, False]
df = pd.DataFrame({"height": np.random.randint(150, 190, 5),
"weight": np.random.randint(40, 80, 5),
"age": np.random.randint(20, 100, 5),
"gender": [generd[x] for x in np.random.randint(0, len(generd), 5)],
"smoker": [boolean[x] for x in np.random.randint(0, 2, 5)]
},
index=list("abcde"))
df01 = df.set_index(keys="height",drop=True)
print(df01)
"""
#结果
weight age gender smoker
height
176 75 34 男 False
182 54 62 女 False
154 75 79 男 False
161 79 28 男 True
150 62 33 女 True
"""
当drop=False时，保留了原数据中的height列：
import pandas as pd
import numpy as np
# 生成模拟数据
generd = ['男', '女']
boolean = [True, False]
df = pd.DataFrame({"height": np.random.randint(150, 190, 5),
"weight": np.random.randint(40, 80, 5),
"age": np.random.randint(20, 100, 5),
"gender": [generd[x] for x in np.random.randint(0, len(generd), 5)],
"smoker": [boolean[x] for x in np.random.randint(0, 2, 5)]
},
index=list("abcde"))
df01 = df.set_index(keys="height", drop=False)
print(df01)
"""
#结果
weight age gender smoker
height
176 75 34 男 False
182 54 62 女 False
154 75 79 男 False
161 79 28 男 True
150 62 33 女 True
"""
new_index = df01.index.rename("这是索引")
print(new_index)
df01.index = new_index
print(df01)
"""
#结果
Index([188, 150, 156, 151, 189], dtype='int32', name='这是索引')
height weight age gender smoker
这是索引
188 188 55 33 女 True
150 150 77 21 女 True
156 156 61 97 男 False
151 151 67 72 男 True
189 189 77 73 女 True
"""
如下代码与之前的代码基本相似，也是将height字段将变成索引列。同时drop=False，代表保留原数据中的该列。但有明显不同之处是设置了append=True，这就代表将height列是以添加的额外附加的形式添加到现有索引中，但并不会把原来最初的索引移除。
import pandas as pd
import numpy as np
# 生成模拟数据
generd = ['男', '女']
boolean = [True, False]
df = pd.DataFrame({"height": np.random.randint(150, 190, 5),
"weight": np.random.randint(40, 80, 5),
"age": np.random.randint(20, 100, 5),
"gender": [generd[x] for x in np.random.randint(0, len(generd), 5)],
"smoker": [boolean[x] for x in np.random.randint(0, 2, 5)]
},
index=list("abcde"))
print(df)
print("===============================================")
df01 = df.set_index(keys="height", drop=False, append=True)
print(df01)
"""
#结果
height weight age gender smoker
a 175 79 92 男 True
b 182 51 97 女 False
c 151 63 27 女 True
d 168 41 47 男 False
e 177 61 58 男 False
===============================================
height weight age gender smoker
height
a 175 175 79 92 男 True
b 182 182 51 97 女 False
c 151 151 63 27 女 True
d 168 168 41 47 男 False
e 177 177 61 58 男 False
"""
可以看到正因为之前使用了append参数以附加索引的方式添加，如下当查看index索引时会发现得到的索引是复合索引。
import pandas as pd
import numpy as np
# 生成模拟数据
generd = ['男', '女']
boolean = [True, False]
df = pd.DataFrame({"height": np.random.randint(150, 190, 5),
"weight": np.random.randint(40, 80, 5),
"age": np.random.randint(20, 100, 5),
"gender": [generd[x] for x in np.random.randint(0, len(generd), 5)],
"smoker": [boolean[x] for x in np.random.randint(0, 2, 5)]
},
index=list("abcde"))
print(df)
print("===============================================")
df01 = df.set_index(keys="height", drop=False, append=True)
print(df01)
print("===============================================")
print(df01.index)
"""
#结果
height weight age gender smoker
a 182 53 41 女 True
b 163 60 70 女 True
c 178 51 57 女 True
d 182 77 54 女 False
e 173 55 46 男 False
===============================================
height weight age gender smoker
height
a 182 182 53 41 女 True
b 163 163 60 70 女 True
c 178 178 51 57 女 True
d 182 182 77 54 女 False
e 173 173 55 46 男 False
===============================================
MultiIndex([('a', 182),
('b', 163),
('c', 178),
('d', 182),
('e', 173)],
names=[None, 'height'])
"""
（2）reset_index()
reset_index() 主要可以将数据表中的索引还原为普通列并重新变为默认的整型索引。如下是常涉及使用的几个参数：
level：数值类型可以为：int、str、tuple或list，默认无，仅从索引中删除给定级别。默认情况下移除所有级别。控制了具体要还原的那个等级的索引 。
drop：当指定drop=False（默认为False）时，则索引列会被还原为普通列；否则，如设置为True，原索引列被会丢弃。
inplace：输入布尔值，表示当前操作是否对原数据生效，默认为False。
如下代码我先通过set_index() 方法将字段age列数据设置为索引，并赋值为新变量df_new，之后会使用reset_index() 方法来说明该方法的作用。
import pandas as pd
import numpy as np
# 生成模拟数据
generd = ['男', '女']
boolean = [True, False]
df = pd.DataFrame({"height": np.random.randint(150, 190, 5),
"weight": np.random.randint(40, 80, 5),
"age": np.random.randint(20, 100, 5),
"gender": [generd[x] for x in np.random.randint(0, len(generd), 5)],
"smoker": [boolean[x] for x in np.random.randint(0, 2, 5)]
},
index=list("abcde"))
print(df)
print("==============================================")
df_new = df.set_index(keys="age", drop=True)
print(df_new)
"""
#结果
height weight age gender smoker
a 187 51 88 女 False
b 174 46 74 女 False
c 189 41 42 男 True
d 160 54 48 女 True
e 180 58 34 女 False
==============================================
height weight gender smoker
age
88 187 51 女 False
74 174 46 女 False
42 189 41 男 True
48 160 54 女 True
34 180 58 女 False
"""
现在针对df_new对象变量使用reset_index()方法，同时设置drop=False（默认为False）代表原来的索引列age会保留并被还原为普通列，同时索引列变为默认的整型索引。
import pandas as pd
import numpy as np
# 生成模拟数据
generd = ['男', '女']
boolean = [True, False]
df = pd.DataFrame({"height": np.random.randint(150, 190, 5),
"weight": np.random.randint(40, 80, 5),
"age": np.random.randint(20, 100, 5),
"gender": [generd[x] for x in np.random.randint(0, len(generd), 5)],
"smoker": [boolean[x] for x in np.random.randint(0, 2, 5)]
},
index=list("abcde"))
print(df)
print("==============================================")
df_new = df.set_index(keys="age", drop=True)
print(df_new)
print("==============================================")
print(df_new.reset_index(drop=False))
"""
#结果
height weight age gender smoker
a 172 70 98 女 False
b 186 47 48 女 False
c 172 72 90 男 False
d 151 64 89 女 False
e 170 53 73 女 True
==============================================
height weight gender smoker
age
98 172 70 女 False
48 186 47 女 False
90 172 72 男 False
89 151 64 女 False
73 170 53 女 True
==============================================
age height weight gender smoker
0 98 172 70 女 False
1 48 186 47 女 False
2 90 172 72 男 False
3 89 151 64 女 False
4 73 170 53 女 True
"""
当drop=True时，除了通过reset_index()重新添加了整型索引后，age索引列已经被移除。
import pandas as pd
import numpy as np
# 生成模拟数据
generd = ['男', '女']
boolean = [True, False]
df = pd.DataFrame({"height": np.random.randint(150, 190, 5),
"weight": np.random.randint(40, 80, 5),
"age": np.random.randint(20, 100, 5),
"gender": [generd[x] for x in np.random.randint(0, len(generd), 5)],
"smoker": [boolean[x] for x in np.random.randint(0, 2, 5)]
},
index=list("abcde"))
print(df)
print("==============================================")
df_new = df.set_index(keys="age", drop=True)
print(df_new)
print("==============================================")
print(df_new.reset_index(drop=True))
"""
#结果
height weight age gender smoker
a 157 66 70 女 False
b 178 60 30 女 True
c 175 67 83 女 False
d 169 79 39 男 True
e 157 46 79 男 True
==============================================
height weight gender smoker
age
70 157 66 女 False
30 178 60 女 True
83 175 67 女 False
39 169 79 男 True
79 157 46 男 True
==============================================
height weight gender smoker
0 157 66 女 False
1 178 60 女 True
2 175 67 女 False
3 169 79 男 True
4 157 46 男 True
"""
reset_index() 案例场景说明
理解了方法固然也要明白什么场景下使用，这样才能便于更好的记住。通常在做数据预处理的时候，会对数据表的缺失值或者其它不符合预期的值做移除，这个时候很容易会遇到索引 值不再连贯，那么就需要重新设置索引排序。
如下例子我先模拟生成了一个5行5列的数据表，它的默认索引为整型索引。因为一些需求通过drop() 方法移除了索引行为2、4的数据。可以从以下代码看到处理过后的数据只剩下0，1，3 索引行数据。
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randn(5, 5),
columns=['shanghai',
'beijing',
'nanjing',
'wuhan',
'guangzhou'])
print(df)
print("=============================================================")
df.drop(labels=[2, 4], inplace=True)
print(df)
"""
#结果
shanghai beijing nanjing wuhan guangzhou
0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 0.189930 1.498389 -1.239247 1.350404 -0.854892
2 -1.177338 0.746832 -0.119929 -0.695313 -0.776306
3 0.048976 -0.349119 0.779069 0.270240 0.019246
4 -1.013559 -0.034879 0.917059 0.270724 -0.254612
=============================================================
shanghai beijing nanjing wuhan guangzhou
0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 0.189930 1.498389 -1.239247 1.350404 -0.854892
3 0.048976 -0.349119 0.779069 0.270240 0.019246
"""因为经过处理后索引值的排序已经不连贯。为了使整形索引排序连贯，可以回忆下之前的reset_index() 方法可以重新还原整型索引。所以如下代码使用reset_index() 方法很顺利的添加了连贯的整型索引，也正因为默认参数drop=False，所以原来的索引值[0, 1, 3]被还原成了普通列，同时被系统冠名为index字段。
df = pd.DataFrame(np.random.randn(5, 5),
columns=['shanghai',
'beijing',
'nanjing',
'wuhan',
'guangzhou'])
print(df)
print("=============================================================")
df.drop(labels=[2, 4], inplace=True)
print(df)
print("=============================================================")
print(df.reset_index())
"""
#结果
shanghai beijing nanjing wuhan guangzhou
0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 0.189930 1.498389 -1.239247 1.350404 -0.854892
2 -1.177338 0.746832 -0.119929 -0.695313 -0.776306
3 0.048976 -0.349119 0.779069 0.270240 0.019246
4 -1.013559 -0.034879 0.917059 0.270724 -0.254612
=============================================================
shanghai beijing nanjing wuhan guangzhou
0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 0.189930 1.498389 -1.239247 1.350404 -0.854892
3 0.048976 -0.349119 0.779069 0.270240 0.019246
=============================================================
index shanghai beijing nanjing wuhan guangzhou
0 0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 1 0.189930 1.498389 -1.239247 1.350404 -0.854892
2 3 0.048976 -0.349119 0.779069 0.270240 0.019246
"""但是通常我们会选择移除该列，所以就像以下那样可以显示设置参数drop = True 进行移除。
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randn(5, 5),
columns=['shanghai',
'beijing',
'nanjing',
'wuhan',
'guangzhou'])
print(df)
print("=============================================================")
df.drop(labels=[2, 4], inplace=True)
print(df)
print("=============================================================")
print(df.reset_index())
print("=============================================================")
print(df.reset_index(drop=True))
"""
#结果
shanghai beijing nanjing wuhan guangzhou
0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 0.189930 1.498389 -1.239247 1.350404 -0.854892
2 -1.177338 0.746832 -0.119929 -0.695313 -0.776306
3 0.048976 -0.349119 0.779069 0.270240 0.019246
4 -1.013559 -0.034879 0.917059 0.270724 -0.254612
=============================================================
shanghai beijing nanjing wuhan guangzhou
0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 0.189930 1.498389 -1.239247 1.350404 -0.854892
3 0.048976 -0.349119 0.779069 0.270240 0.019246
=============================================================
index shanghai beijing nanjing wuhan guangzhou
0 0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 1 0.189930 1.498389 -1.239247 1.350404 -0.854892
2 3 0.048976 -0.349119 0.779069 0.270240 0.019246
=============================================================
shanghai beijing nanjing wuhan guangzhou
0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 0.189930 1.498389 -1.239247 1.350404 -0.854892
2 0.048976 -0.349119 0.779069 0.270240 0.019246
"""但是千万别忘了，任何移除操作并不会真正修改数据对象本身，如需要一定要设置inplace参数。
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randn(5, 5),
columns=['shanghai',
'beijing',
'nanjing',
'wuhan',
'guangzhou'])
print(df)
print("=============================================================")
df.drop(labels=[2, 4], inplace=True)
print(df)
print("=============================================================")
print(df.reset_index())
print("=============================================================")
print(df.reset_index(drop=True))
print("=============================================================")
print(df)#输出原df，对比是否变化
print("=============================================================")
df.reset_index(drop=True, inplace=True)
print(df)
"""
#结果
shanghai beijing nanjing wuhan guangzhou
0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 0.189930 1.498389 -1.239247 1.350404 -0.854892
2 -1.177338 0.746832 -0.119929 -0.695313 -0.776306
3 0.048976 -0.349119 0.779069 0.270240 0.019246
4 -1.013559 -0.034879 0.917059 0.270724 -0.254612
=============================================================
shanghai beijing nanjing wuhan guangzhou
0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 0.189930 1.498389 -1.239247 1.350404 -0.854892
3 0.048976 -0.349119 0.779069 0.270240 0.019246
=============================================================
index shanghai beijing nanjing wuhan guangzhou
0 0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 1 0.189930 1.498389 -1.239247 1.350404 -0.854892
2 3 0.048976 -0.349119 0.779069 0.270240 0.019246
=============================================================
shanghai beijing nanjing wuhan guangzhou
0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 0.189930 1.498389 -1.239247 1.350404 -0.854892
2 0.048976 -0.349119 0.779069 0.270240 0.019246
=============================================================
shanghai beijing nanjing wuhan guangzhou
0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 0.189930 1.498389 -1.239247 1.350404 -0.854892
3 0.048976 -0.349119 0.779069 0.270240 0.019246
=============================================================
shanghai beijing nanjing wuhan guangzhou
0 0.471651 2.349326 -2.462181 -0.123204 -0.650263
1 0.189930 1.498389 -1.239247 1.350404 -0.854892
2 0.048976 -0.349119 0.779069 0.270240 0.019246
"""（3）reindex()
reindex() 顾名思义它的作用是用来重定义索引的，如果定义的索引没有匹配的数据，默认将已缺失值填充。而索引可以分 “行” 索引与 “列” 索引，所以reindex自然对于两者的修改都可以胜任。它在Series和DataFrame中都非常有用：
对于DataFrame，reindex() 可以修改行、列索引或者两个都修改。
对于Series，reindex() 会创建一个适应新索引的新对象，如果某个索引值当前不存在，就会引入缺失值。
另外，对于以上两个数据类型都可以通过fill_value参数填充默认值，也可以通过method参数设置填充方法。而method包含几个参数可以选择：
None (默认): 不做任何填充
pad / ffill: 用上一行的有效数据来填充。
backfill / bfill: 用下一行的有效数据来填充。
nearest: 用临近行的有效数据来填充。
Series中的reindex() 使用
如下例子，先讲解下在Series中reindex() 方法的使用。同样，为了更好的说明，先使用Series初始创建数据，该数据默认的索引为5个字母a, b, c, d, e。
import numpy as np
import pandas as pd
obj = pd.Series(np.random.randint(low=1, high=6, size=5), index=list("abcde"))
print(obj)
"""
#结果
a 5
b 3
c 3
d 4
e 1
dtype: int32
"""接着，使用reindex() 方法对数据的索引进行重定义为a, b, c, d, e, f。因为f之前并不存在，是我们新定义的，所以也没有匹配的数据值，那么默认就以缺失值NaN填充。当然也可以像下面最后一段代码那样使用 fill_value 参数设定填充数值，这里我设置为0。
import numpy as np
import pandas as pd
obj = pd.Series(np.random.randint(low=1, high=6, size=5), index=list("abcde"))
print(obj)
print("==========================================================")
obj01 = obj.reindex(['a', 'b', 'c', 'd', 'e', 'f'])
print(obj01)
print("==========================================================")
obj02 = obj.reindex(['a', 'b', 'c', 'd', 'e', 'f'], fill_value=0.0)
print(obj02)
"""
#结果
a 5
b 3
c 3
d 4
e 1
dtype: int32
==========================================================
a 5.0
b 3.0
c 3.0
d 4.0
e 1.0
f NaN
dtype: float64
==========================================================
a 5.0
b 3.0
c 3.0
d 4.0
e 1.0
f 0.0
dtype: float64
"""也可以使用设置method参数来填充，这里使用ffill参数值设定使用上一行的数据来作为填充数据。
import numpy as np
import pandas as pd
obj = pd.Series(np.random.randint(low=1, high=6, size=5), index=list("abcde"))
print(obj)
print("==========================================================")
obj01 = obj.reindex(['a', 'b', 'c', 'd', 'e', 'f'])
print(obj01)
print("==========================================================")
obj02 = obj.reindex(['a', 'b', 'c', 'd', 'e', 'f'], fill_value=0.0)
print(obj02)
print("==========================================================")
obj03 = obj.reindex(['a', 'b', 'c', 'd', 'e', 'f'], method='ffill')
print(obj03)
"""
#结果
a 5
b 3
c 3
d 4
e 1
dtype: int32
==========================================================
a 5.0
b 3.0
c 3.0
d 4.0
e 1.0
f NaN
dtype: float64
==========================================================
a 5.0
b 3.0
c 3.0
d 4.0
e 1.0
f 0.0
dtype: float64
==========================================================
a 5
b 3
c 3
d 4
e 1
f 1
dtype: int32
"""DataFrame中的reindex() 使用
为了更好的说明，先使用DataFrame初始创建数据，该数据默认的索引为5个字母a, b, c, d, e。
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randint(low=1, high=11, size=(5, 5)),
columns=['anders', 'mary', 'jack', 'tom', 'john'],
index=list('abcde'))
print(df)
"""
#结果
anders mary jack tom john
a 4 9 10 8 1
b 6 2 3 4 9
c 1 6 8 4 7
d 9 7 3 2 1
e 8 6 4 8 5
"""之前提到过在DataFrame中reindex() 可以修改行、列索引。所以如下代码分别对index行索引和columns列索引进行了设置。
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randint(low=1, high=11, size=(5, 5)),
columns=['anders', 'mary', 'jack', 'tom', 'john'],
index=list('abcde'))
print(df)
print("=================================================")
print(df.reindex(list('abcdef')))
print("=================================================")
print(df.reindex(columns=['anders', 'mary', 'jjj', 'ttt', 'ccc']))
"""
#结果
anders mary jack tom john
a 4 9 10 8 1
b 6 2 3 4 9
c 1 6 8 4 7
d 9 7 3 2 1
e 8 6 4 8 5
=================================================
anders mary jack tom john
a 4.0 9.0 10.0 8.0 1.0
b 6.0 2.0 3.0 4.0 9.0
c 1.0 6.0 8.0 4.0 7.0
d 9.0 7.0 3.0 2.0 1.0
e 8.0 6.0 4.0 8.0 5.0
f NaN NaN NaN NaN NaN
=================================================
anders mary jjj ttt ccc
a 4 9 NaN NaN NaN
b 6 2 NaN NaN NaN
c 1 6 NaN NaN NaN
d 9 7 NaN NaN NaN
e 8 6 NaN NaN NaN
"""当然也可以同时指定index和columns来重定义索引，因为定义的索引既没有匹配的数据也没设置默认填充，所以就以缺失值填充。
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randint(low=1, high=11, size=(5, 5)),
columns=['anders', 'mary', 'jack', 'tom', 'john'],
index=list('abcde'))
print(df)
print("=================================================")
print(df.reindex(list('abcdef')))
print("=================================================")
print(df.reindex(columns=['anders', 'mary', 'jjj', 'ttt', 'ccc']))
print("=================================================")
print(df.reindex(index=list('abcdef'),
columns=['anders', 'mary', 'jjj', 'ttt', 'ccc']))
"""
#结果
anders mary jack tom john
a 4 9 10 8 1
b 6 2 3 4 9
c 1 6 8 4 7
d 9 7 3 2 1
e 8 6 4 8 5
=================================================
anders mary jack tom john
a 4.0 9.0 10.0 8.0 1.0
b 6.0 2.0 3.0 4.0 9.0
c 1.0 6.0 8.0 4.0 7.0
d 9.0 7.0 3.0 2.0 1.0
e 8.0 6.0 4.0 8.0 5.0
f NaN NaN NaN NaN NaN
=================================================
anders mary jjj ttt ccc
a 4 9 NaN NaN NaN
b 6 2 NaN NaN NaN
c 1 6 NaN NaN NaN
d 9 7 NaN NaN NaN
e 8 6 NaN NaN NaN
=================================================
anders mary jjj ttt ccc
a 4.0 9.0 NaN NaN NaN
b 6.0 2.0 NaN NaN NaN
c 1.0 6.0 NaN NaN NaN
d 9.0 7.0 NaN NaN NaN
e 8.0 6.0 NaN NaN NaN
f NaN NaN NaN NaN NaN
"""当然不仅可以通过重定义索引来增加新索引，反过来也可以做一些移除索引达到drop的效果。
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randint(low=1, high=11, size=(5, 5)),
columns=['anders', 'mary', 'jack', 'tom', 'john'],
index=list('abcde'))
print(df)
print("=================================================")
print(df.reindex(index=list("abc"), columns=['anders', 'mary']))
"""
#结果
anders mary jack tom john
a 4 9 10 8 1
b 6 2 3 4 9
c 1 6 8 4 7
d 9 7 3 2 1
e 8 6 4 8 5
=================================================
anders mary
a 4 9
b 6 2
c 1 6
"""可以看到如在Series中操作reindex() 一样，因为重定义的索引没有找到匹配的对象数据，所以默认填充为缺失值。而在DataFrame中依然可以使用fill_value与method两个参数方法来设定默认填充值。
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randint(low=1, high=11, size=(5, 5)),
columns=['anders', 'mary', 'jack', 'tom', 'john'],
index=list('abcde'))
print(df)
print("=================================================")
print(df.reindex(list('abcdef'), fill_value=100))
print("=================================================")
print(df.reindex(list('abcdef'), method='ffill'))
"""
#结果
anders mary jack tom john
a 4 9 10 8 1
b 6 2 3 4 9
c 1 6 8 4 7
d 9 7 3 2 1
e 8 6 4 8 5
=================================================
anders mary jack tom john
a 4 9 10 8 1
b 6 2 3 4 9
c 1 6 8 4 7
d 9 7 3 2 1
e 8 6 4 8 5
f 100 100 100 100 100
=================================================
anders mary jack tom john
a 4 9 10 8 1
b 6 2 3 4 9
c 1 6 8 4 7
d 9 7 3 2 1
e 8 6 4 8 5
f 8 6 4 8 5
"""method参数只适用于index是单调递增或者单调递减的情形。同时引用一张网络图很好的说明了method参数的使用逻辑。
3237
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
