pandas.Series.reindex#
- Series.reindex(index=None, *, axis=None, method=None, copy=<no_default>, level=None, fill_value=None, limit=None, tolerance=None)[源代码][源代码]#
使用可选的填充逻辑将系列调整为新的索引。
在先前索引中没有值的位置放置 NA/NaN。除非新索引等同于当前索引且
copy=False，否则将生成一个新对象。- 参数:
- 索引类数组，可选
索引的新标签。最好使用 Index 对象以避免数据重复。
- 轴int 或 str, 可选
未使用。
- 方法{None, ‘backfill’/’bfill’, ‘pad’/’ffill’, ‘nearest’}
用于填充重新索引的 DataFrame 中空洞的方法。请注意：这仅适用于具有单调递增/递减索引的 DataFrame/Series。
None (默认): 不填充间隙
pad / ffill: 将最后一个有效观测值向前传播到下一个有效观测值。
backfill / bfill: 使用下一个有效观测值来填补缺口。
nearest: 使用最近的有效观测值来填补空白。
- 复制bool, 默认 False
即使传递的索引相同，也返回一个新对象。
备注
copy 关键字将在 pandas 3.0 中更改行为。写时复制 将默认启用，这意味着所有带有 copy 关键字的方法将使用延迟复制机制来推迟复制并忽略 copy 关键字。copy 关键字将在 pandas 的未来版本中被移除。
通过启用写时复制
pd.options.mode.copy_on_write = True，您已经可以获得未来的行为和改进。自 3.0.0 版本弃用.
- 级别int 或 name
在某个级别上广播，匹配传递的 MultiIndex 级别上的索引值。
- fill_value标量，默认 np.nan
用于缺失值的值。默认为 NaN，但可以是任何“兼容”的值。
- 限制int, 默认为 None
最大连续元素数，用于向前或向后填充。
- tolerance可选
不精确匹配中原始标签和新标签之间的最大距离。匹配位置的索引值必须满足方程
abs(index[indexer] - target) <= tolerance。容差可以是一个标量值，它对所有值应用相同的容差，或者是类似列表的，它对每个元素应用可变的容差。类似列表的包括列表、元组、数组、系列，并且必须与索引的大小相同，其dtype必须与索引的类型完全匹配。
- 返回:
- 系列
更改索引的系列。
参见
DataFrame.set_index设置行标签。
DataFrame.reset_index移除行标签或将它们移动到新列。
DataFrame.reindex_like更改为与其他 DataFrame 相同的索引。
例子
DataFrame.reindex支持两种调用约定(index=index_labels, columns=column_labels, ...)(labels, axis={'index', 'columns'}, ...)
我们*强烈*建议使用关键字参数来明确你的意图。
创建一个包含一些虚构数据的DataFrame。
>>> index = ["Firefox", "Chrome", "Safari", "IE10", "Konqueror"] >>> columns = ["http_status", "response_time"] >>> df = pd.DataFrame( ... [[200, 0.04], [200, 0.02], [404, 0.07], [404, 0.08], [301, 1.0]], ... columns=columns, ... index=index, ... ) >>> df http_status response_time Firefox 200 0.04 Chrome 200 0.02 Safari 404 0.07 IE10 404 0.08 Konqueror 301 1.00
创建一个新的索引并重新索引 DataFrame。默认情况下，新索引中没有对应 DataFrame 记录的值会被分配
NaN。>>> new_index = ["Safari", "Iceweasel", "Comodo Dragon", "IE10", "Chrome"] >>> df.reindex(new_index) http_status response_time Safari 404.0 0.07 Iceweasel NaN NaN Comodo Dragon NaN NaN IE10 404.0 0.08 Chrome 200.0 0.02
我们可以通过向关键字
fill_value传递一个值来填充缺失的值。由于索引不是单调递增或递减的，我们不能使用关键字method的参数来填充NaN值。>>> df.reindex(new_index, fill_value=0) http_status response_time Safari 404 0.07 Iceweasel 0 0.00 Comodo Dragon 0 0.00 IE10 404 0.08 Chrome 200 0.02
>>> df.reindex(new_index, fill_value="missing") http_status response_time Safari 404 0.07 Iceweasel missing missing Comodo Dragon missing missing IE10 404 0.08 Chrome 200 0.02
我们也可以重新索引列。
>>> df.reindex(columns=["http_status", "user_agent"]) http_status user_agent Firefox 200 NaN Chrome 200 NaN Safari 404 NaN IE10 404 NaN Konqueror 301 NaN
或者我们可以使用“axis-style”关键字参数
>>> df.reindex(["http_status", "user_agent"], axis="columns") http_status user_agent Firefox 200 NaN Chrome 200 NaN Safari 404 NaN IE10 404 NaN Konqueror 301 NaN
为了进一步说明
reindex中的填充功能，我们将创建一个具有单调递增索引的 DataFrame（例如，一系列日期）。>>> date_index = pd.date_range("1/1/2010", periods=6, freq="D") >>> df2 = pd.DataFrame( ... {"prices": [100, 101, np.nan, 100, 89, 88]}, index=date_index ... ) >>> df2 prices 2010-01-01 100.0 2010-01-02 101.0 2010-01-03 NaN 2010-01-04 100.0 2010-01-05 89.0 2010-01-06 88.0
假设我们决定扩展 DataFrame 以覆盖更广泛的日期范围。
>>> date_index2 = pd.date_range("12/29/2009", periods=10, freq="D") >>> df2.reindex(date_index2) prices 2009-12-29 NaN 2009-12-30 NaN 2009-12-31 NaN 2010-01-01 100.0 2010-01-02 101.0 2010-01-03 NaN 2010-01-04 100.0 2010-01-05 89.0 2010-01-06 88.0 2010-01-07 NaN
在原始数据框中没有值的索引项（例如，’2009-12-29’）默认情况下会填充为
NaN。如果需要，我们可以使用几种选项之一来填充这些缺失值。例如，要将最后一个有效值反向传播以填充
NaN值，请将bfill作为参数传递给method关键字。>>> df2.reindex(date_index2, method="bfill") prices 2009-12-29 100.0 2009-12-30 100.0 2009-12-31 100.0 2010-01-01 100.0 2010-01-02 101.0 2010-01-03 NaN 2010-01-04 100.0 2010-01-05 89.0 2010-01-06 88.0 2010-01-07 NaN
请注意，原始 DataFrame 中存在的
NaN值（在索引值 2010-01-03 处）不会被任何值传播方案填充。这是因为重新索引时的填充不查看 DataFrame 值，而只比较原始索引和所需索引。如果您确实想填充原始 DataFrame 中存在的NaN值，请使用fillna()方法。更多信息请参见 用户指南。