pandas读书笔记、重新索引

 

重新索引

 

pandas对象的一个重要方法是 reindex ,其作用是创建一个适应新索引的新对象。

#reindex函数的参数
reindex(index,method,fill_value,limit,level,copy)
#index:用作索引的新序列
#method:插值（填充）方式
#fill_value：在重新索引的过程中，需要引入缺失值时使用的代替值
#limit：前向或后向填充时的最大填充量
#level：在MultiIndex的指定级别上匹配简单索引，否则选取其子集
#copy：默认为True，无论如何都复制，如果为False，则新旧相等就不复制

obj=Series([4.5,7.2,-5.3,3.6],index=['d','b','a','c'])
obj

#调用该Series的reindex将会根据新索引进行重排
#如果某个索引值当前不存在，就引入缺失值
obj2=obj.reindex(['a','b','c','d','e'])
obj2

#填充缺失值
obj.reindex(['a','b','c','d','e'],fill_value=0)

重新索引时，可能需要做一些插值处理。method选项可以达到此目的。

obj3=Series(['blue','purple','yellow'],index=[0,2,4])
obj3
obj3.reindex(range(6),method='ffill')

reindex的（插值）method选项

ffill或pad ——向前填充（或搬运）值

bfill或backfill——后向填充（或搬运）值

 

 重新索引行

frame=DataFrame(np.arange(9).reshape(3,3),index=['a','c','d'],
               columns=['Ohio','Texas','California'])
frame

frame2=frame.reindex(['a','b','c','d'])
frame2

 

重新索引列

使用columns关键字进行重新索引

states=['Texas','Utah','California']
frame.reindex(columns=states)

 

同时对行和列进行重新索引

frame.reindex(index=['a','b','c','d'],columns=states).ffill()

 

利用ix的标签索引功能，重新索引任务可以变得更简洁：

frame.ix[['a','b','c','d'],states]

 

问题记录：

在同时对行和列进行索引时，书中代码是：

frame.reindex(index=['a','b','c','d'],method='ffill',columns=states)

但是会出现错误：

ValueError: index must be monotonic increasing or decreasing

#不加ffill填充
frame.reindex(index=['a','b','c','d'],columns=states)

结果为

查找资料后自己初步理解为：为了重新索引方法，你的索引必须是有序/单调/递增的顺序，因为列也是重新索引的，而不是单调增加或减少。

书中的代码适合以前版本的pandas。

资料链接：https://stackoverflow.com/questions/44868877/valueerror-index-must-be-monotonic-increasing-or-decreasing-including-index-co/46893526#46893526

解决：

frame.reindex(index=['a','b','c','d'],columns=states).ffill()

上面写法可以达到与书中同样的结果。