笙亿网络策划

Pandas Reindexing 怎么用？Python DataFrame 重新索引数据该怎么操作？

约 10 分钟读完 21 阅
文章导读
Previous Quiz Next 重新索引是 Pandas 中的一项强大且基础的操作，它允许你将数据与新的标签集对齐。无论处理行还是列，重新索引都能让你控制数据如何与指定的标签对齐。
📋 目录
  1. A 什么是重新索引？
  2. B 重新索引以与其他对象对齐
  3. C 重新索引时的填充
  4. D 重新索引时填充的限制
A A

Python Pandas - 重新索引

Previous
Quiz
Next

重新索引是 Pandas 中的一项强大且基础的操作，它允许你将数据与新的标签集对齐。无论处理行还是列，重新索引都能让你控制数据如何与指定的标签对齐。

这项操作在处理时间序列数据、对齐来自不同来源的数据集，或简单地将数据重新组织以匹配特定结构时特别有用。

什么是重新索引？

Pandas 中的重新索引指的是将数据调整以匹配沿指定轴（行或列）的新标签集的过程。此过程可以完成多项任务 −

  • 重新排序： 将现有数据重新排序以匹配新的标签集。

  • 插入缺失值： 如果新标签集中某个标签在原始数据中不存在，Pandas 将为该标签插入缺失值 (NaN)。

  • 填充缺失数据： 你可以指定如何填充重新索引产生的缺失值，使用各种填充方法。

reindex() 方法是 Pandas 中执行重新索引的主要工具。它允许你修改 Pandas 数据结构的行和列标签。

重新索引中使用的关键方法

  • reindex(): 此方法用于将现有数据结构与新 index（或 columns）对齐。它可以重新排序和/或插入缺失标签。

  • reindex_like(): 此方法允许你将一个 DataFrame 或 Series 重新索引以匹配另一个。适用于确保两个数据结构对齐相似时。

  • 填充方法： 当重新索引引入 NaN 值时，你可以使用 ffill、bfill 和 nearest 等方法填充它们。

示例：重新索引 Pandas Series

以下示例演示了使用 reindex() 方法重新索引 Pandas Series 对象。在本例中，"f" 标签在原始 Series 中不存在，因此在输出的重新索引 Series 中显示为 NaN。

import pandas as pd
import numpy as np

s = pd.Series(np.random.randn(5), index=["a", "b", "c", "d", "e"])
print("原始 Series:\n",s)

s_reindexed = s.reindex(["e", "b", "f", "d"])
print('\n输出重新索引 Series:\n',s_reindexed)

执行上述代码将得到以下输出 −

Original Series:
 a    0.148874
b    0.592275
c   -0.903546
d    1.031230
e   -0.254599
dtype: float64

Output Reindexed Series:
 e   -0.254599
b    0.592275
f         NaN
d    1.031230
dtype: float64

示例：重新索引 DataFrame

考虑以下使用 reindex() 方法重新索引 DataFrame 的示例。对于 DataFrame，你可以同时重新索引行（index）和列。

import pandas as pd
import numpy as np

N=5

df = pd.DataFrame({
   'A': pd.date_range(start='2016-01-01',periods=N,freq='D'),
   'x': np.linspace(0,stop=N-1,num=N),
   'y': np.random.rand(N),
   'C': np.random.choice(['Low','Medium','High'],N).tolist(),
   'D': np.random.normal(100, 10, size=(N)).tolist()
})

print("原始 DataFrame:\n", df)

#重新索引 DataFrame
df_reindexed = df.reindex(index=[0,2,5], columns=['A', 'C', 'B'])

print("\n输出重新索引 DataFrame:\n",df_reindexed)

其 输出 如下 −

Original DataFrame:
            A    x         y       C           D
0 2016-01-01  0.0  0.513990  Medium  118.143385
1 2016-01-02  1.0  0.751248     Low   91.041201
2 2016-01-03  2.0  0.332970  Medium  100.644345
3 2016-01-04  3.0  0.723816    High  108.810386
4 2016-01-05  4.0  0.376326    High  101.346443

Output Reindexed DataFrame:
            A       C   B
0 2016-01-01  Medium NaN
2 2016-01-03  Medium NaN
5        NaT     NaN NaN

重新索引以与其他对象对齐

有时，您可能需要重新索引一个 DataFrame 以使其与另一个对齐。reindex_like() 方法可以让您无缝完成此操作。

示例

以下示例演示了如何使用 reindex_like() 方法将一个 DataFrame (df1) 重新索引以匹配另一个 DataFrame (df2)。

import pandas as pd
import numpy as np

df1 = pd.DataFrame(np.random.randn(10,3),columns=['col1','col2','col3'])
df2 = pd.DataFrame(np.random.randn(7,3),columns=['col1','col2','col3'])

df1 = df1.reindex_like(df2)
print(df1)

其 输出 如下 −

          col1         col2         col3
0    -2.467652    -1.211687    -0.391761
1    -0.287396     0.522350     0.562512
2    -0.255409    -0.483250     1.866258
3    -1.150467    -0.646493    -0.222462
4     0.152768    -2.056643     1.877233
5    -1.155997     1.528719    -1.343719
6    -1.015606    -1.245936    -0.295275

注意： 在这里，df1 DataFrame 被修改并像 df2 一样重新索引。如果列名不匹配，则会为整个列标签添加 NaN。

重新索引时的填充

reindex() 方法提供了一个可选参数 method 用于填充缺失值。可用的方法包括 −

  • pad/ffill： 向前填充值。

  • bfill/backfill： 向后填充值。

  • nearest： 从最近的索引值填充。

示例

以下示例演示了 ffill 方法的工作原理。

import pandas as pd
import numpy as np

df1 = pd.DataFrame(np.random.randn(6, 3), columns=['col1', 'col2', 'col3'])
df2 = pd.DataFrame(np.random.randn(2, 3), columns=['col1', 'col2', 'col3'])

# Padding NaNs
print(df2.reindex_like(df1))

# Now fill the NaNs with preceding values
print("Data Frame with Forward Fill:")
print(df2.reindex_like(df1, method='ffill'))

其 输出 如下 −

         col1        col2       col3
0    1.311620   -0.707176   0.599863
1   -0.423455   -0.700265   1.133371
2         NaN         NaN        NaN
3         NaN         NaN        NaN
4         NaN         NaN        NaN
5         NaN         NaN        NaN

Data Frame with Forward Fill:
         col1        col2        col3
0    1.311620   -0.707176    0.599863
1   -0.423455   -0.700265    1.133371
2   -0.423455   -0.700265    1.133371
3   -0.423455   -0.700265    1.133371
4   -0.423455   -0.700265    1.133371
5   -0.423455   -0.700265    1.133371

注意： 最后四行被填充了。

重新索引时填充的限制

limit 参数为重新索引时的填充提供了额外的控制。limit 指定了连续匹配的最大数量。

示例

让我们考虑以下示例来理解指定填充限制 −

import pandas as pd
import numpy as np
 
df1 = pd.DataFrame(np.random.randn(6,3),columns=['col1','col2','col3'])
df2 = pd.DataFrame(np.random.randn(2,3),columns=['col1','col2','col3'])

# Padding NaNs
print(df2.reindex_like(df1))

# Now fill the NaNs with preceding values
print("Data Frame with Forward Fill limiting to 1:")
print(df2.reindex_like(df1, method='ffill', limit=1))

其 输出 如下 −

         col1        col2        col3
0    0.247784    2.128727    0.702576
1   -0.055713   -0.021732   -0.174577
2         NaN         NaN         NaN
3         NaN         NaN         NaN
4         NaN         NaN         NaN
5         NaN         NaN         NaN

Data Frame with Forward Fill limiting to 1:
         col1        col2        col3
0    0.247784    2.128727    0.702576
1   -0.055713   -0.021732   -0.174577
2   -0.055713   -0.021732   -0.174577
3         NaN         NaN         NaN
4         NaN         NaN         NaN
5         NaN         NaN         NaN

注意： 前向填充 (ffill) 仅限于一行。