重置索引.重置索引.ppt

重置索引教师：亢华爱北京信息职业技术学院商务数据分析与应用专业教学资源库

目录Contents对缺失的数据进行填充reindex()

1PARTreindex()

reindex()Pandas中提供了一个重要的方法是reindex(),该方法的作用是对原索引和新索引进行匹配，也就是说，新索引含有原索引的数据，而原索引数据按照新索引排序。如果新索引中没有原索引数据，那么程序不仅不会报错，而且会添加新的索引，并将值填充为NaN或者使用fill_vlues()填充其他值。

reindex()reindex()方法的语法格式如下：DataFrame.reindex(labels=None,index=None,columns=None,axis=None,method=None,copy=True,level=None,fill_value=nan,limit=None,tolerance=None)上述方法的部分参数含义如下：（1）index：用作索引的新序列。（2）method：插值填充方式。（3）fill_value：引入缺失值时使用的替代值。（4）limit：前向或者后向填充时的最大填充量。

reindex()为了能让大家更好地理解，接下来，通过一个简单的示例来演示重新索引的使用，（1）创建了一个ser.obj对象，并为其指定索引为“c、d、a、b、e”：importpandasaspdser_obj=pd.Series([1,2,3,4,5],index=[c,d,a,b,e])ser_obj

reindex()（2）重新索引，输入代码如下：ser_obj2=ser_obj.reindex([a,b,c,d,e,f])ser_obj2输出结果如图

2PART对缺失的数据进行填充

对缺失的数据进行填充注意：在上例中我们调用reindex（）方法对索引重新排列,变为“a、b、c、d、e、f”,但由于索引“f”对应的值不存在,所以使用NaN对缺失的数据进行填充。

对缺失的数据进行填充如果不想填充为NaN,则可以使用fill_value参数来指定缺失值，具体示例代码如下。ser_obj2=ser_obj.reindex([a,b,c,d,e,f],fill_value=6)ser_obj2

对缺失的数据进行填充fill_value参数会让所有的缺失数据都填充为同一个值。如果期望使用相邻的元素值(前边或者后边元素的值)进行填充，则可以使用method参数。method参数对应的值有多个，上表列举了method参数可以使用的值。

对缺失的数据进行填充下面的示例代码演示了method参数的使用。代码如下：（1）创建Series对象,并为其指定索引ser_obj3=pd.Series([1,3,5,7],index=[0,2,4,6])ser_obj3（3）索引,后向填充值ser_obj3.reindex(range(6),method=ffill)（2）重新索引,前向填充值ser_obj3.reindex(range(6),method=ffill)

创建DataFrame类对象创建了一个ser_obj3对象，并为其指定索引为“0、2、4、6”，接着又调用reindex()方法对索引重新排列,变为“0、1、2、3、4、5”。当method参数的值设为“ffill”时，则表示会使用前一个索引对应的数据填充到缺失的位置。因此，索引“1”会填充索引“0”对应的数据“1”，索引“3”会填充索引“2”对应的数据“3”，依此类推。当method参数的值改为“bfill”时，则表示会使用后一个索引对应的数据填充到缺失的位置。因此，索引“1”会填充索引“2”对应的数据“3”，索引“3”会填充索引“4”对应的数据“5”,依此类推。

参考文献[1]黑马程序员.Python数据分析与应用:从数据获取到可视化.中国铁道出版社：2019.

谢谢教师：亢华爱北京信息职业技术学院商务数据分析与应用专业教学资源库