博客

Pandas中DataFrame的基本操作之重新索引讲解

  • Post category:Python

下面是“Pandas中DataFrame的基本操作之重新索引讲解”的完整攻略。

重新索引的概念

在 Pandas 的 DataFrame 中，我们可以通过 reindex() 函数来完成重新索引的操作。重新索引就是指，针对 DataFrame 目标索引（例如行索引、列索引），进行重置或调整。

当 Pandas 的 DataFrame 中存在部分缺失值时，通过重新索引就可以将其缺失的值进行填充，以保证数据的完整性和准确性。

如何使用 reindex() 函数

reindex() 函数的语法格式：

DataFrame.reindex(index=None, columns=None, fill_value=None)

其中，index 和 columns 分别表示要重新设置的行索引和列索引；fill_value 表示缺失值的填充值。当 index 或 columns 的输入参数为 None 时，会默认沿着原始 DataFrame 的轴重新排列。

下面，我们通过两个具体的示例来讲解 reindex() 函数的使用。

示例1：简单的重新索引

import pandas as pd

# 创建一个简单的 DataFrame，包含3行4列
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9], 'D': [10, 11, 12]})
print('原始 DataFrame：\n', df1)

# 按照行索引重新排列
df2 = df1.reindex([2, 1, 0])
print('按照新索引重新排序的 DataFrame：\n', df2)

# 按照列索引重新排列
df3 = df1.reindex(columns=['D', 'C', 'B', 'A'])
print('按照新列索引重新排序的 DataFrame：\n', df3)

以上示例中，我们创建了一个简单的 DataFrame，然后使用 reindex() 函数，先按照行索引重新排列，再按照列索引重新排列。

运行结果如下：

原始 DataFrame：
    A  B  C   D
0  1  4  7  10
1  2  5  8  11
2  3  6  9  12
按照新索引重新排序的 DataFrame：
    A  B  C   D
2  3  6  9  12
1  2  5  8  11
0  1  4  7  10
按照新列索引重新排序的 DataFrame：
     D  C  B  A
0  10  7  4  1
1  11  8  5  2
2  12  9  6  3

示例2：缺失值的处理

import pandas as pd
import numpy as np

# 创建一个含有缺失值的 DataFrame
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, np.nan], 'C': [7, np.nan, 9], 'D': [10, np.nan, np.nan]})
print('原始 DataFrame：\n', df1)

# 按照行索引重排，并填充缺失值
df2 = df1.reindex([0, 1, 2, 3], fill_value=0)
print('重排后填充缺失值的 DataFrame：\n', df2)

# 按照列索引重排，并填充缺失值
df3 = df1.reindex(columns=['D', 'C', 'B', 'A'], fill_value=0)
print('重排后按照新列索引填充缺失值的 DataFrame：\n', df3)

在上面的示例中，我们创建了一个含有缺失值的 DataFrame，并使用 reindex() 函数进行重新索引和填充缺失值操作。

运行结果如下：

原始 DataFrame：
    A    B    C     D
0  1.0  4.0  7.0  10.0
1  2.0  5.0  NaN   NaN
2  3.0  NaN  9.0   NaN
重排后填充缺失值的 DataFrame：
      A    B    C     D
0   1.0  4.0  7.0  10.0
1   2.0  5.0  0.0   0.0
2   3.0  0.0  9.0   0.0
3   0.0  0.0  0.0   0.0
重排后按照新列索引填充缺失值的 DataFrame：
      D    C    B    A
0  10.0  7.0  4.0  1.0
1   0.0  NaN  5.0  2.0
2   0.0  9.0  NaN  3.0

以上是针对“Pandas中DataFrame的基本操作之重新索引讲解”的详细攻略，希望对您有所帮助。

Tags: