利用python做数据分析（六）-reindex

参考文档：http://pda.readthedocs.io/en/latest/chp5.html
http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.reindex.html

DataFrame.reindex(index=None, columns=None, **kwargs)
reindex 函数的参数

参数	说明
method	插值填充方法
fill_value	引入的缺失数据值
limit	填充间隙
copy	如果新索引与就的相等则底层数据不会拷贝。默认为True(即始终拷贝)
level	在多层索引上匹配简单索引

---

pandas的reindex对象，是数据符合新的索引来构造一个新的对象

import pandas as pd
obj = pd.Series([4.5, 7.2, -5.3, 3.6], index=['d', 'b', 'a', 'c'])
obj

d    4.5
b    7.2
a   -5.3
c    3.6
dtype: float64

Series的reindex使它符合新的索引，如果索引的值不存在就填入缺失值

obj2 = obj.reindex(['a', 'b', 'c', 'd', 'e'])
obj2

a   -5.3
b    7.2
c    3.6
d    4.5
e    NaN
dtype: float64

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

a   -5.3
b    7.2
c    3.6
d    4.5
e    0.0
dtype: float64

method选项来控制填充值或内插值：
method : {None, ‘backfill’/’bfill’, ‘pad’/’ffill’, ‘nearest’}, optional。
ffill/pad 向前或进位填充，bfill/backfill 向后或进位填充

obj3 = pd.Series(['blue', 'purple', 'yellow'], index=[0, 2, 4])
obj3.reindex(range(6), method='ffill')

0      blue
1      blue
2    purple
3    purple
4    yellow
5    yellow
dtype: object

向后填充

obj3.reindex(range(6), method='bfill')
0      blue
1    purple
2    purple
3    yellow
4    yellow
5       NaN
dtype: object

对于DataFrame， reindex 可以改变（行）索引，列或两者。当只传入一个序列时，结果中的行被重新索引：

frame = pd.DataFrame(np.arange(9).reshape((3, 3)), index=['a', 'c', 'd'],columns=['Ohio', 'Texas', 'California'])
frame

    Ohio Texas  California
a   0   1   2
c   3   4   5
d   6   7   8

frame2 = frame.reindex(['a', 'b', 'c', 'd'])
frame2
    Ohio    Texas   California
a   0.0 1.0 2.0
b   NaN NaN NaN
c   3.0 4.0 5.0
d   6.0 7.0 8.0

使用column可以将列进行重新索引

states = ['Texas', 'Utah', 'California']
frame.reindex(columns=states)

   Texas    Utah    California
a   1   NaN 2
c   4   NaN 5
d   7   NaN 8

此时的frame依然是原样

frame
    Ohio    Texas   California
a   0   1   2
c   3   4   5
d   6   7   8

也可以同时读列和index进行reindex，可是插值只在行侧

frame.reindex(index=['a', 'b', 'c', 'd'], method='ffill',columns=states)

    Texas   Utah    California
a   1   NaN 2
b   1   NaN 2
c   4   NaN 5
d   7   NaN 8

level

关于level可能大家不太理解。level主要在多层索引上用到。举例：
继续之前的话题，我想看到新生儿名字中最后一位字母的变化.

get_last_letter=lambda x:x[-1]
last_letters=names.name.map(get_last_letter)
last_letters.name='last_letter'

table=pd.pivot_table(names,index=[last_letters],values='births',columns=['sex','year'],aggfunc=sum)
table

比如我想看其中三年的数据，改怎么办。

按照之前的做法，需要table[‘column name’],但是你会发现table[‘F’]或者table[‘M’]还行，但是还有一层column可怎么办。
正确做法如下：

subtable=table.reindex(columns=[1910,1960,2010],level='year')
subtable

请细细体会。

subtable.index

Index(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n',
       'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z'],
      dtype='object', name='last_letter')
In [7]:

subtable.columns

MultiIndex(levels=[['F', 'M'], [1910, 1960, 2010]],
           labels=[[0, 0, 0, 1, 1, 1], [0, 1, 2, 0, 1, 2]],
           names=['sex', 'year'])

下一章讲MultiIndex