目录

搜索

输入搜索字词或模块，类或函数名称。

pandas.Series.reindex

Series.reindex(index=None, **kwargs)[source]

使用可选填充逻辑将系列更新为新索引，将NA / NaN放在前一个索引中没有值的位置。将生成一个新对象，除非新索引等效于当前对象并且copy = False

参数：

index：array-like，可选（可以按顺序指定或as

关键字）新标签/索引符合。优选地，Index对象用于避免重复数据

方法：{None，'backfill'/'bfill'，'pad'/'ffill'，'nearest'}

方法用于在重建索引的DataFrame中填充空洞。请注意：这仅适用于具有单调递增/递减索引的DataFrames / Series。

  • 默认：不填充间隙
  • pad / ffill：将最后有效观察向前传播到下一个有效
  • backfill / bfill：使用下一个有效的观察填充间隙
  • 最近：使用最接近的有效观察值填充间隙

copy：boolean，default True

返回一个新对象，即使传递的索引是相同的

level：int或name

跨级别广播，匹配传递的MultiIndex级别上的索引值

fill_value：scalar，default np.NaN

缺失值使用的值。默认为NaN，但可以是任何“兼容”值

limit：int，默认值无

向前或向后填充的连续元素的最大数量

公差：可选

不完全匹配的原始和新标签之间的最大距离。匹配位置处的索引的值最满足等式abs（index [indexer] - target） ； = tolerance。

版本0.17.0中的新功能。
返回：

重新编制索引：系列

例子

使用一些虚构数据创建数据帧。

>>> 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

创建一个新索引并重新索引数据帧。缺省情况下，新索引中在数据帧中没有对应记录的值分配为NaN。

>>> new_index= ['Safari', 'Iceweasel', 'Comodo Dragon', 'IE10',
...             'Chrome']
>>> df.reindex(new_index)
               http_status  response_time
Safari                 404           0.07
Iceweasel              NaN            NaN
Comodo Dragon          NaN            NaN
IE10                   404           0.08
Chrome                 200           0.02

我们可以通过向关键字fill_value传递值来填充缺少的值。由于索引不是单调递增或递减，因此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

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数据帧（例如，一个日期序列）。

>>> 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
2010-01-02     101
2010-01-03     NaN
2010-01-04     100
2010-01-05      89
2010-01-06      88

假设我们决定扩展数据框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
2010-01-02     101
2010-01-03     NaN
2010-01-04     100
2010-01-05      89
2010-01-06      88
2010-01-07     NaN

默认情况下，原始数据帧中没有值的索引条目（例如，“2009-12-29”）用NaN填充。如果需要，我们可以使用几个选项之一填写缺少的值。

例如，要反向传播最后一个有效值以填充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
2009-12-30     100
2009-12-31     100
2010-01-01     100
2010-01-02     101
2010-01-03     NaN
2010-01-04     100
2010-01-05      89
2010-01-06      88
2010-01-07     NaN

请注意，原始数据帧（索引值2010-01-03）中存在的NaN值不会由任何值传播方案填充。这是因为在重建索引时填充不会查看数据帧值，而只会比较原始和所需的索引。如果您想要填写原始数据帧中存在的NaN值，请使用fillna()方法。

Scroll To Top