DataFrame对象操作
重新索引
.reindex()能够改变或重排Series和DataFrame索引
.reindex(index=None, columns=None,…)的参数
参数 |
说明 |
index, columns |
新的行列自定义索引 |
fill_value |
重新索引中，用于填充缺失位置的值 |
method |
填充方法, ffill当前值向前填充，bfill向后填充 |
limit |
最大大填充量 |
copy |
默认True，生成新的对象，False时，新旧相等不复制 |
索引类型
Series和DataFrame的索引是Index类型
Index对象是不可修改类型
索引类型常用方法
方法 |
说明 |
.append(idx) |
连接另一个Index对象，产生新的Index对象 |
.diff(idx) |
计算差集，产生新的Index对象 |
.intersection(idx) |
计算交集 |
.union(idx) |
计算并集 |
.delete(loc) |
删除loc位置处的元素 |
.insert(loc,e) |
在loc位置增加一个元素e |
.drop()能够删除Series和DataFrame指定行或列索引
代码示例
# -*- coding: utf-8 -*- # @File : dataframe_demo2.py # @Date : 2018-05-20 # DataFrame对象操作 from pandas import DataFrame dt = { "城市": ["北京", "上海", "南京", "天津"], "人口": [200, 20, 30, 40], "收入": [10, 20, 40, 50] } df = DataFrame(dt, index=["c1", "c2", "c3", "c4"]) print(df) """ 城市 人口 收入 c1 北京 200 10 c2 上海 20 20 c3 南京 30 40 c4 天津 40 50 """ # 重新索引行,排序 df2 = df.reindex(index=["c4", "c3", "c2", "c1"]) print(df2) """ 城市 人口 收入 c4 天津 40 50 c3 南京 30 40 c2 上海 20 20 c1 北京 200 10 """ # 重新索引列，排序 df3 = df.reindex(columns=["城市", "收入", "人口"]) print(df3) """ 城市 收入 人口 c1 北京 10 200 c2 上海 20 20 c3 南京 40 30 c4 天津 50 40 """ # 插入列索引 col = df.columns.insert(3, "新增") print(col) """ Index(['城市', '人口', '收入', '新增'], dtype='object') """ # 增加数据，默认填充200 df4 = df.reindex(columns=col, fill_value=200) print(df4) """ 城市 人口 收入 新增 c1 北京 200 10 200 c2 上海 20 20 200 c3 南京 30 40 200 c4 天津 40 50 200 """ # 删除插入索引 nc = df.columns.delete(2) ni = df.index.insert(5, "c0") df5 = df.reindex(index=ni, columns=nc) print(df5) """ 城市 人口 c1 北京 200.0 c2 上海 20.0 c3 南京 30.0 c4 天津 40.0 c0 NaN NaN """ # DataFrame删除行 df6 = df5.drop("c1") print(df6) """ 城市 人口 c2 上海 20.0 c3 南京 30.0 c4 天津 40.0 c0 NaN NaN """ # DataFrame删除列 df7 = df6.drop("人口", axis=1) print(df7) """ 城市 c2 上海 c3 南京 c4 天津 c0 NaN """
