Python | Pandas data frame.reindex_axis()
原文:https://www.geesforgeks.org/python-pandas-data frame-rein dex_axis/
Python 是进行数据分析的优秀语言，主要是因为以数据为中心的 python 包的奇妙生态系统。 【熊猫】 就是其中一个包，让导入和分析数据变得容易多了。
熊猫 **dataframe.reindex_axis()**功能使输入对象符合新的索引。该函数在先前索引中没有值的位置填充NaN值。它还提供了一种填充数据框中缺失值的方法。除非新索引等同于当前索引并且 copy=False，否则将生成一个新对象
语法: 语法: DataFrame.reindex_axis(标签，axis=0，方法=无，级别=无，复制=真，限制=无，fill_value=nan)
参数: 标签:新标签/索引要符合。最好是一个 Index 对象，以避免重复数据 轴: {0 或‘Index’，1 或‘columns’} 方法: {None，【回填】/“bfill”，“pad”/“ffill”，“最近的”}，可选的 复制:返回一个新的对象，即使传递的索引是相同的 级别:跨级别广播，匹配传递的多索引级别上的索引值 限制:【1】匹配位置的索引值最符合方程式 abs(索引[步进器]–目标)< =公差。
返回:重新索引:数据帧
示例#1: 使用reindex_axis()函数在索引轴上重新索引数据框。默认情况下，新索引中在 dataframe 中没有相应记录的值被分配给 NaN。
注:我们可以使用‘ffill’方法填写缺失值
# 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()函数在索引轴上重新索引数据帧
# reindexing with new index values
df.reindex_axis(["A1", "A2", "A4", "A7", "A8"], axis = 0)
输出:
注意输出，新的索引填充了NaN值，我们可以使用‘ffill’方法来填充缺失的值。
# 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，新的索引已经使用“A5”行填充。
示例 2: 使用reindex_axis()功能重新索引列轴
# 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:
请注意，我们在重新索引后的新列中有NaN值，我们可以在重新索引时处理丢失的值。通过使用ffill 方法，我们可以向前填充缺失的值。
# reindex the columns
# we fill the missing values using ffill method
df.reindex_axis(["A", "B", "D", "E"], axis = 1, method ='ffill')
输出:
