利用python做資料分析(六)-reindex
阿新 • • 發佈:2018-12-30
DataFrame.reindex(index=None, columns=None, **kwargs)
reindex 函式的引數
引數 | 說明 |
---|---|
method | 插值填充方法 |
fill_value | 引入的缺失資料值 |
limit | 填充間隙 |
copy | 如果新索引與就的相等則底層資料不會拷貝。預設為True(即始終拷貝) |
level | 在多層索引上匹配簡單索引 |
pandas的reindex物件,是資料符合新的索引來構造一個新的物件
import pandas as pd
obj = pd.Series([4.5 , 7.2, -5.3, 3.6], index=['d', 'b', 'a', 'c'])
obj
d 4.5
b 7.2
a -5.3
c 3.6
dtype: float64
Series的reindex使它符合新的索引,如果索引的值不存在就填入缺失值
obj2 = obj.reindex(['a', 'b', 'c', 'd', 'e'])
obj2
a -5.3
b 7.2
c 3.6
d 4.5
e NaN
dtype: float64
obj.reindex(['a', 'b', 'c', 'd', 'e'], fill_value=0 )
a -5.3
b 7.2
c 3.6
d 4.5
e 0.0
dtype: float64
method選項來控制填充值或內插值:
method : {None, ‘backfill’/’bfill’, ‘pad’/’ffill’, ‘nearest’}, optional。
ffill/pad 向前或進位填充,bfill/backfill 向後或進位填充
obj3 = pd.Series(['blue', 'purple', 'yellow'], index=[0, 2, 4])
obj3.reindex(range(6), method='ffill')
0 blue
1 blue
2 purple
3 purple
4 yellow
5 yellow
dtype: object
向後填充
obj3.reindex(range(6), method='bfill')
0 blue
1 purple
2 purple
3 yellow
4 yellow
5 NaN
dtype: object
對於DataFrame, reindex 可以改變(行)索引,列或兩者。當只傳入一個序列時,結果中的行被重新索引:
frame = pd.DataFrame(np.arange(9).reshape((3, 3)), index=['a', 'c', 'd'],columns=['Ohio', 'Texas', 'California'])
frame
Ohio Texas California
a 0 1 2
c 3 4 5
d 6 7 8
frame2 = frame.reindex(['a', 'b', 'c', 'd'])
frame2
Ohio Texas California
a 0.0 1.0 2.0
b NaN NaN NaN
c 3.0 4.0 5.0
d 6.0 7.0 8.0
使用column可以將列進行重新索引
states = ['Texas', 'Utah', 'California']
frame.reindex(columns=states)
Texas Utah California
a 1 NaN 2
c 4 NaN 5
d 7 NaN 8
此時的frame依然是原樣
frame
Ohio Texas California
a 0 1 2
c 3 4 5
d 6 7 8
也可以同時讀列和index進行reindex,可是插值只在行側
frame.reindex(index=['a', 'b', 'c', 'd'], method='ffill',columns=states)
Texas Utah California
a 1 NaN 2
b 1 NaN 2
c 4 NaN 5
d 7 NaN 8
level
關於level可能大家不太理解。level主要在多層索引上用到。舉例:
繼續之前的話題,我想看到新生兒名字中最後一位字母的變化.
get_last_letter=lambda x:x[-1]
last_letters=names.name.map(get_last_letter)
last_letters.name='last_letter'
table=pd.pivot_table(names,index=[last_letters],values='births',columns=['sex','year'],aggfunc=sum)
table
比如我想看其中三年的資料,改怎麼辦。
按照之前的做法,需要table[‘column name’],但是你會發現table[‘F’]或者table[‘M’]還行,但是還有一層column可怎麼辦。
正確做法如下:
subtable=table.reindex(columns=[1910,1960,2010],level='year')
subtable
請細細體會。
subtable.index
Index(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n',
'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z'],
dtype='object', name='last_letter')
In [7]:
subtable.columns
MultiIndex(levels=[['F', 'M'], [1910, 1960, 2010]],
labels=[[0, 0, 0, 1, 1, 1], [0, 1, 2, 0, 1, 2]],
names=['sex', 'year'])
下一章講MultiIndex