Pandas-reindex中关于填充缺失值的几个方法

在学习Pandas时，当对一个Series或者DataFrame进行重新索引时，需要用到pandas.Series.reindex()或者pandas.DataFrame.reindex()。当某个索引值不存在时，会直接引入缺失值NaN。我们可以通过填充的方式，使Series或者DataFrame中新的index拥有新的索引。这篇文章整理下reindex中关于填充缺失值的几个方法

索引对象是无法修改的，因此，重新索引是指对索引重新排序而不是重新命名，如果某个索引值不存在的话，会引入缺失值

obj.reindex(['a','b','c','d','e']) #重新填充

对于重建索引引入的缺失值，可以利用fill_value参数填充。

对于顺序数据，比如时间序列，重新索引时可能需要进行插值或填值处理，利用参数method选项可以设置：

method = ‘ffill’或‘pad’，表示前向值填充 （#根据前面的值填充）

method = ‘bfill’或‘backfill’，表示后向值填充（#根据后面的值填充）