pandas reindex、set_index 和 reset_index

操纵索引包括：重索引、设置索引、替换轴的索引、重置索引

一，重索引 (reindex)

重索引是指数据框按照新的索引进行排列，如果已存的索引和新索引不匹配，那么使用NA来填充。

DataFrame.reindex(labels=None, index=None, columns=None, axis=None, 
          method=None, copy=True, level=None, fill_value=nan, limit=None, tolerance=None)

参数注释：

• labels：array-like，新的轴(axis)标签，轴由参数axis指定
• index，columns：新索引，如果指定index参数，等价于指定labels和axis=0/'index'，如果指定columns，等价于指定labels和axis=1/'columns'
• axis：轴，axis=0/'index'表示行，axis=1/'columns'表示列
• method：用于填充的方法，有效值是None, ‘backfill’/’bfill’, ‘pad’/’ffill’, ‘nearest’，
  • 　　None表示不会填充
  • 　　‘backfill’/’bfill’：表示回填，用NA的后面第一个有效值来填充当前的NA
  • 　　‘pad’/’ffill’：表示补填，用前面第一个有效值来填充当前的NA
  • 　　‘nearest’：用最接近NA的有效值来填充当前的NA
• copy：默认值是True，返回新的对象
• level：用于MultiIndex，在一个级别上，与MultiIndex进行匹配。
• fill_value：标量值，默认值是np.NaN，用于对缺失值进行填充的值
• limit：填充的最大次数
• tolerance：可选参数，表示不能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满足：abs(index_position -  target_position)<= tolerance，容差可以是标量值(对所有序列值应用相同的容差)，也可以是list-like结构(对每个序列元素应用可变容差)，list-like结构包括列表、元组、数组和序列，并且list-like结构的长度和序列的长度和长度必须相同。

 举个例子，有如下的数据集df，df的行索引由index指定，列索引是http_status和response_time：

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

重索引(reindex)是指为原始数据集应用新的索引，并按照新的索引来对数据进行排序，如果原始索引不存在于新索引中，那么相应的Cell值会被填充为默认值的np.NaN。

如下所示，原始索引不存在Iceweasel 和 Comodo Dragon，这两个的数据值都设置为NaN。其他三行的索引都存在于原始索引中，使用原始的值。通过reindex之后，数据集的索引变更为新索引。

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

对于填充值，可以通过参数fill_value来设置：

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

二，设置索引(set_index)

把现有的列设置为行索引，使用set_index()函数把已有的列转换为行索引，也可以使用set_axis()函数替换掉已有的轴索引。使用现有的列作为DataFrame的索引：

DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)

参数注释：

• keys：列标签，或列标签的列表，
• drop：默认值是True，表示删除keys参数指定的列；设置为False，表示不删除keys参数指定的列。
• append：默认值是False，表示删除原始行索引；如果设置为True，表示向现有的行索引中追加索引。
• verify_integrity：默认值是False，不检查新索引是否存在重复值。

对于以下的数据，pandas默认创建一个int range索引：

df = pd.DataFrame({'month': [1, 4, 7, 10],
                   'year': [2012, 2014, 2013, 2014],
                   'sale': [55, 40, 84, 31]})
df
   month  year  sale
0      1  2012    55
1      4  2014    40
2      7  2013    84
3     10  2014    31

设置month为新的索引，默认值是drop=True，append=False，这表示会删除month列，并使用month列来替换原始的索引：

df.set_index('month')
       year  sale
month
1      2012    55
4      2014    40
7      2013    84
10     2014    31

三，重置索引(reset_index)

 重置索引表示把DataFrame的索引设置为默认值，也就是从0开始到N-1的整数位置索引。设置索引是把列转换为索引，而重置索引可以认为是把行索引转换为数据集的一列。重置索引也可以用于删除原始索引，如果数据集存在多级索引(MultiIndex)，那么reset_index 可以用于移除多级索引的一个级别(level)或多个级别。

DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')

drop 参数表示是否删除原始索引，如果设置为False，那么索引转换为列；如果设置为True，表示把索引删除。

有如下数据df，存在一个行索引：

df = pd.DataFrame([('bird', 389.0), ('bird', 24.0), ('mammal', 80.5),('mammal', np.nan)],
                  index=['falcon', 'parrot', 'lion', 'monkey'],
                  columns=('class', 'max_speed'))
df
         class  max_speed
falcon    bird      389.0
parrot    bird       24.0
lion    mammal       80.5
monkey  mammal        NaN

重置索引，并把原始的索引转换为数据集的一列，现有的索引使用pandas默认的索引。

df.reset_index()
    index   class  max_speed
0  falcon    bird      389.0
1  parrot    bird       24.0
2    lion  mammal       80.5
3  monkey  mammal        NaN

重置索引，并把原始的索引删除：

df.reset_index(drop=True)
    class  max_speed
0    bird      389.0
1    bird       24.0
2  mammal       80.5
3  mammal        NaN

参考文档：