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: