今天就跟大家聊聊有关如何在Pandas中实现ReIndex重新索引，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

我们提供的服务有：成都做网站、成都网站制作、微信公众号开发、网站优化、网站认证、陇西ssl等。为上1000+企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务，是有科学管理、有技术的陇西网站制作公司

约定：

import pandas as pd
import numpy as np

ReIndex重新索引

reindex()是pandas对象的一个重要方法，其作用是创建一个新索引的新对象。

一、对Series对象重新索引

se1=pd.Series([1,7,3,9],index=['d','c','a','f'])
se1

代码结果：

d    1
c    7
a    3
f    9
dtype: int64

调用reindex将会重新排序，缺失值则用NaN填补。

se2=se1.reindex(['a','b','c','d','e','f'])
se2

代码结果：

a    3.0
b    NaN
c    7.0
d    1.0
e    NaN
f    9.0
dtype: float64

传入method=” “重新索引时选择插值处理方式：

method='ffill'或'pad 前向填充

method='bfill'或'backfill 后向填充

se3=pd.Series(['blue','red','black'],index=[0,2,4])
se4=se3.reindex(range(6),method='ffill')
se4

代码结果：

0     blue
1     blue
2      red
3      red
4    black
5    black
dtype: object

二、对DataFrame对象重新索引

对于DataFrame对象，reindex能修改行索引和列索引。

df1=pd.DataFrame(np.arange(9).reshape(3,3),index=['a','c','d'],columns=['one','two','four'])
df1

代码结果：

	one	two	four
a	0	1	2
c	3	4	5
d	6	7	8

默认对行索引重新排序

只传入一个序列不能重新排序列索引

df1.reindex(['a','b','c','d'])

代码结果：

	one	two	four
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

df1.reindex(index=['a','b','c','d'],columns=['one','two','three','four'])

代码结果：

	one	two	three	four
a	0.0	1.0	NaN	2.0
b	NaN	NaN	NaN	NaN
c	3.0	4.0	NaN	5.0
d	6.0	7.0	NaN	8.0

传入fill_value=n用n代替缺失值：

df1.reindex(index=['a','b','c','d'],columns=['one','two','three','four'],fill_value=100)

代码结果：

	one	two	three	four
a	0	1	100	2
b	100	100	100	100
c	3	4	100	5
d	6	7	100	8

看完上述内容，你们对如何在Pandas中实现ReIndex重新索引有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注创新互联行业资讯频道，感谢大家的支持。

标题名称：如何在Pandas中实现ReIndex重新索引-创新互联
转载源于：http://kswjz.com/article/didicd.html