Python Pandas dataframe.reindex_axis()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas dataframe.reindex_axis()函数使输入对象符合新索引。该函数填充NaN先前索引中没有值的位置中的值。它还提供了一种填充 DataFrame 中缺失值的方法。除非新索引等于当前索引并且copy = False，否则将生成一个新对象。

用法：

用法：DataFrame.reindex_axis(labels, axis=0, method=None, level=None, copy=True, limit=None, fill_value=nan)

参数：
labels:要符合的新标签/索引。最好是一个Index对象，以避免重复数据
axis:{0或“索引”，1或“列”}
method:{None，“ backfill” /“ bfill”，“ pad” /“ ffill”，“ nearest”}，可选
copy:即使传递的索引相同，也返回一个新对象
level:在一个级别上广播，在传递的MultiIndex级别上匹配索引值
limit:向前或向后填充的最大连续元素数
tolerance:不完全匹配的原始标签和新标签之间的最大距离。匹配位置处的索引值最满足方程abs(index [indexer]-target)

返回：重新索引：DataFrame

范例1：采用reindex_axis()用于在索引轴上重新索引 DataFrame 的函数。默认情况下，新索引中在 DataFrame 中没有对应记录的值被分配为NaN。
注意：我们可以使用“填充”方法填写缺少的值

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.DataFrame({"A":[1, 5, 3, 4, 2],  
                   "B":[3, 2, 4, 3, 4], 
                   "C":[2, 2, 7, 3, 4], 
                   "D":[4, 3, 6, 12, 7]}, 
                   index =["A1", "A2", "A3", "A4", "A5"]) 
  
# Print the dataframe 
df

让我们使用dataframe.reindex_axis()用于在索引轴上重新索引 DataFrame 的函数

# reindexing with new index values 
df.reindex_axis(["A1", "A2", "A4", "A7", "A8"], axis = 0)

输出：

注意输出，新索引填充为NaN值，我们可以使用“填充”方法填写缺少的值。

# filling the missing values using ffill method 
df.reindex_axis(["A1", "A2", "A4", "A7", "A8"],  
                     axis = 0, method ='ffill')

输出：

注意，在输出中，新索引已使用“A5”行填充。

范例2：采用reindex_axis()重新索引列轴的函数

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.DataFrame({"A":[1, 5, 3, 4, 2], 
                   "B":[3, 2, 4, 3, 4], 
                   "C":[2, 2, 7, 3, 4], 
                   "D":[4, 3, 6, 12, 7]},  
                   index =["A1", "A2", "A3", "A4", "A5"]) 
  
# reindexing the column axis with 
# old and new index values 
df.reindex_axis(["A", "B", "D", "E"], axis = 1)

输出：

注意，我们有NaN重新编制索引后，新列中的值会发生变化，我们可以解决重新编制索引时遗漏的值。通过使用ffill 方法，我们可以向前填充缺少的值。

# reindex the columns 
# we fill the missing values using ffill method 
df.reindex_axis(["A", "B", "D", "E"], axis = 1, method ='ffill')

输出：

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas dataframe.reindex_axis()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。