pandas.Series.reindex#

Series.reindex(*args, **kwargs)[源代码]#

通过可选的填充逻辑使系列符合新的索引。

将NA/NaN放置在前一个索引中没有值的位置。除非新索引与当前索引相等，否则将生成新对象 copy=False 。

参数

index类似阵列，可选

应使用关键字指定要符合的新标签/索引。最好是Index对象，以避免复制数据。

method{无，‘回填’/‘填充’，‘填充’/‘填充’，‘最近’}

用于填充已重新索引的DataFrame中的漏洞的方法。请注意：这只适用于指数单调递增/递减的DataFrames/Series。

无(默认)：不填充空白
填充/填充：将上一个有效观察向前传播到下一个有效。
回填/b填充：使用下一个有效的观测来填充缺口。
最近：使用最近的有效观测值来填充缺口。

copy布尔值，默认为True

返回一个新对象，即使传递的索引相同。

level整型或名称

跨级别广播，匹配传递的多索引级别上的索引值。

fill_value标量，默认np.NaN

用于缺少值的值。默认为NaN，但可以是任何“兼容”值。

limitInt，默认为无

要向前或向后填充的连续元素的最大数量。

tolerance可选

对于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符合方程 abs(index[indexer] - target) <= tolerance 。

公差可以是标量值，它对所有值应用相同的公差，也可以是列表形式，它对每个元素应用可变公差。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，并且其数据类型必须与索引的类型完全匹配。

退货

索引发生变化的系列。

参见

DataFrame.set_index: 设置行标签。
DataFrame.reset_index: 删除行标签或将其移动到新列。
DataFrame.reindex_like: 更改为与其他DataFrame相同的索引。

示例

DataFrame.reindex 支持两种调用约定

(index=index_labels, columns=column_labels, ...)
(labels, axis={'index', 'columns'}, ...)

我们高度建议使用关键字参数来阐明您的意图。

用一些虚构的数据创建一个数据帧。

>>> index = ['Firefox', 'Chrome', 'Safari', 'IE10', 'Konqueror']
>>> df = pd.DataFrame({'http_status': [200, 200, 404, 404, 301],
...                   'response_time': [0.04, 0.02, 0.07, 0.08, 1.0]},
...                   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

创建新索引并对数据帧重新编制索引。默认情况下，将分配新索引中在数据帧中没有相应记录的值 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

我们可以通过将值传递给关键字来填充缺少的值 fill_value 。因为索引不是单调递增或递减的，所以我们不能对关键字使用参数 method 要填满 NaN 价值。

>>> 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

我们还可以对列重新编制索引。

>>> 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“轴式”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

要进一步说明中的填充功能 reindex ，我们将创建一个具有单调递增索引(例如，一系列日期)的数据帧。

>>> 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

假设我们决定扩展数据帧以涵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

默认情况下，原始数据框中没有值的索引条目(例如‘2009-12-29’)填充 NaN 。如果需要，我们可以使用以下几个选项之一来填充缺少的值。

例如，向后传播最后一个有效值以填充 NaN 值，传递 bfill 作为对 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， NaN 原始数据帧中存在的值(在索引值2010-01-03)将不会由任何值传播方案填充。这是因为重建索引时填充不会查看数据帧的值，而只比较原始索引和所需的索引。如果您确实想要填写 NaN 原始数据帧中存在的值，请使用 fillna() 方法。

请参阅 user guide 想要更多。

pandas.Series.rdivmod

pandas.Series.reindex_like