mars.dataframe.DataFrame.reindex#
- DataFrame.reindex(*args, **kwargs)#
符合新的索引的数据系列/数据框，带有可选的填充逻辑。
在之前索引没有值的位置放置NA/NaN。除非新索引等于当前索引并且
copy=False，否则会生成一个新对象。- Parameters
labels (类数组, 可选) – 新的标签/索引，以符合由‘axis’指定的轴。
index (类似数组的, 可选的) – 新的标签 / 索引以便符合，应使用关键字指定。最好使用索引对象以避免数据重复。
columns (类似数组, 可选) – 新的标签/索引，应该使用关键字指定。最好使用一个索引对象以避免数据重复。
axis (int 或 str, 可选) – 要针对的轴。可以是轴名称（‘index’，‘columns’）或数字（0，1）。
method ({None, 'backfill'/'bfill', 'pad'/'ffill', 'nearest'}) –
用于填充重建索引的 DataFrame 中空缺值的方法。请注意：这仅适用于具有单调递增/递减索引的 DataFrames/Series。
None (默认)：不填充缺口
pad / ffill：将最后一个有效观测值向前传播到下一个有效值。
backfill / bfill：使用下一个有效观测值填充缺口。
nearest：使用最近的有效观测值填充缺口。
copy (bool, 默认是 True) – 返回一个新对象，即使传入的索引相同。
level (int 或 name) – 在一个级别上广播，匹配传入的 MultiIndex 级别上的索引值。
fill_value (标量, 默认为 np.NaN) – 用于缺失值的值。默认为 NaN，但可以是任何“兼容”的值。
limit (int, 默认为 None) – 最大连续元素填充的数量。
容差 (可选) –
原始标签和新标签之间用于不精确匹配的最大距离。匹配位置的索引值必须满足方程
abs(index[indexer] - target) <= tolerance。容差可以是标量值，这将对所有值应用相同的容差，或者是类似列表的，这将对每个元素应用可变容差。类似列表的包括列表、元组、数组、序列，并且必须与索引具有相同的大小，其数据类型必须与索引的类型完全匹配。
- Return type
更改索引的系列/数据框。
另请参阅
DataFrame.set_index设置行标签。
DataFrame.reset_index删除行标签或将其移动到新列。
DataFrame.reindex_like更改为与其他DataFrame相同的索引。
示例
DataFrame.reindex支持两种调用方式(index=index_labels, columns=column_labels, ...)(labels, axis={'index', 'columns'}, ...)
我们强烈推荐使用关键字参数来明确您的意图。
创建一个包含一些虚构数据的数据框。
>>> import mars.dataframe as md >>> index = ['Firefox', 'Chrome', 'Safari', 'IE10', 'Konqueror'] >>> df = md.DataFrame({'http_status': [200, 200, 404, 404, 301], ... 'response_time': [0.04, 0.02, 0.07, 0.08, 1.0]}, ... index=index) >>> df.execute() http_status response_time Firefox 200 0.04 Chrome 200 0.02 Safari 404 0.07 IE10 404 0.08 Konqueror 301 1.00
创建一个新的索引并重新索引数据框。默认情况下，新索引中没有对应记录的数据框的值被分配为
NaN。>>> new_index = ['Safari', 'Iceweasel', 'Comodo Dragon', 'IE10', ... 'Chrome'] >>> df.reindex(new_index).execute() 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
我们可以通过传递一个值给关键字
fill_value来填充缺失值。由于索引不是单调递增或递减的，我们无法使用关键字method的参数来填充NaN值。>>> df.reindex(new_index, fill_value=0).execute() 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').execute() http_status response_time Safari 404 0.07 Iceweasel missing missing Comodo Dragon missing missing IE10 404 0.08 Chrome 200 0.02
我们也可以重新索引列。
>>> df.reindex(columns=['http_status', 'user_agent']).execute() http_status user_agent Firefox 200 NaN Chrome 200 NaN Safari 404 NaN IE10 404 NaN Konqueror 301 NaN
或者我们可以使用“轴样式”关键字参数
>>> df.reindex(['http_status', 'user_agent'], axis="columns").execute() http_status user_agent Firefox 200 NaN Chrome 200 NaN Safari 404 NaN IE10 404 NaN Konqueror 301 NaN
为了进一步说明在
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框（例如，一系列日期）。>>> date_index = md.date_range('1/1/2010', periods=6, freq='D') >>> df2 = md.DataFrame({"prices": [100, 101, np.nan, 100, 89, 88]}, ... index=date_index) >>> df2.execute() prices 2010-01-01 100.0 2010-01-02 101.0 2010-01-03 NaN 2010-01-04 100.0 2010-01-05 89.0 2010-01-06 88.0
假设我们决定扩展数据框以涵盖更广泛的日期范围。
>>> date_index2 = md.date_range('12/29/2009', periods=10, freq='D') >>> df2.reindex(date_index2).execute() prices 2009-12-29 NaN 2009-12-30 NaN 2009-12-31 NaN 2010-01-01 100.0 2010-01-02 101.0 2010-01-03 NaN 2010-01-04 100.0 2010-01-05 89.0 2010-01-06 88.0 2010-01-07 NaN
在原始数据框中没有值的索引条目（例如，‘2009-12-29’）默认填充为
NaN。如果需要，我们可以使用几种选项填充缺失值。例如，为了反向传播最后一个有效值以填充
NaN值，将bfill作为参数传递给method关键字。>>> df2.reindex(date_index2, method='bfill').execute() prices 2009-12-29 100.0 2009-12-30 100.0 2009-12-31 100.0 2010-01-01 100.0 2010-01-02 101.0 2010-01-03 NaN 2010-01-04 100.0 2010-01-05 89.0 2010-01-06 88.0 2010-01-07 NaN
请注意，原始数据框中存在的
NaN值（在索引值2010-01-03处）将不会通过任何值传播方案被填充。这是因为在重新索引时填充并不查看数据框值，而只是比较原始索引和期望索引。如果您确实想填充原始数据框中存在的NaN值，请使用fillna()方法。查看用户指南以获取更多信息。