Pandas DataFrame DataFrame.reindex() Funktion
-
Syntax von
pandas.DataFrame.reindex() -
Beispiel-Codes:
DataFrame.reindex() -
Beispiel-Codes:
DataFrame.reindex()zur Neuindizierung der Spalten -
Beispielcodes:
DataFrame.reindex()Methode zum Füllen der fehlenden Werte mitfill_value -
Beispielcodes:
DataFrame.reindex()zum Auffüllen der fehlenden Werte mit dem Parametermethod
Die Funktion Python Pandas DataFrame.reindex() ändert den Index eines DataFrames. Sie ändert die Indizes über die angegebene Achse. Die neuen Indizes enthalten keine Werte. Sie bietet optionale Parameter zum Ausfüllen dieser Werte.
Syntax von pandas.DataFrame.reindex()
DataFrame.dropna(
labels, index, columns, axis, method, copy, level, fill_value, limit, tolerance
)
Parameter
labels |
Es handelt sich um eine array-ähnliche Struktur, die die Namen der neuen Indizes enthält. |
index, column |
Es handelt sich um eine array-ähnliche Struktur, die die Namen der neuen Indizes enthält. Sie sollte mit dem Schlüsselwort index oder column angegeben werden. |
axis |
Es ist eine Ganzzahl oder eine Zeichenkette. Er sagt über die Zielachse entweder Zeilen oder Spalten aus. Er kann 0 oder index und 1 oder column sein. |
method |
Dieser Parameter gibt die Methode zum Auffüllen der fehlenden Werte im neu indizierten DataFrame an. Er hat vier Möglichkeiten: None, backfill/bfill, pad/ffill, nearest. Es gilt nur, wenn unser DataFrame oder unsere Series eine Sequenz mit einem steigenden oder fallenden Index hat. |
copy |
Boolean. Standardmäßig ist es True. Es gibt ein neues Objekt zurück. |
level |
Es ist eine ganze Zahl oder ein Name. Er stimmt mit Indexwerten auf einer übergebenen Multi-Index-Ebene überein. |
fill_value |
Sie hat einen skalaren Wert. Es ist der Wert, um die fehlenden Werte zu füllen. |
limit |
Es ist eine ganze Zahl. Sie gibt die Grenze der aufeinanderfolgenden Elemente an, während sie die fehlenden Werte auffüllt. |
tolerance |
Sie gibt Auskunft über den Unterschied zwischen dem ursprünglichen und dem neuen Etikett im Falle von ungenauen Übereinstimmungen. |
Zurück
Es gibt einen DataFrame mit den geänderten Indizes zurück.
Beispiel-Codes: DataFrame.reindex()
Standardmäßig ist die Achse 0, d.h. Zeilen, so dass die Zeilen neu indexiert werden.
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: 100, 2: 80,3: 75, 4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: 56, 1: 75, 2: 82, 3: 64, 4: 67}})
print(dataframe)
Der Demo-DataFrame sieht wie folgt aus.
Attendance Name Obtained Marks
0 60 Olivia 56
1 100 John 75
2 80 Laura 82
3 75 Ben 64
4 95 Kevin 67
Die Indizes in Python beginnen bei 0. Wir werden unseren DataFrame neu indizieren und die neuen Indizes beginnen bei 1.
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.reindex([1, 2, 3, 4, 5])
print(dataframe1)
Ausgabe:
Attendance Name Obtained Marks
1 100.0 John 75.0
2 80.0 Laura 82.0
3 75.0 Ben 64.0
4 95.0 Kevin 67.0
5 NaN NaN NaN
Hier ist 5 ein neuer Index. Die Werte des neuen Index sind also NaN.
Beispiel-Codes: DataFrame.reindex() zur Neuindizierung der Spalten
Es gibt zwei Möglichkeiten, die Spalten neu zu indexieren. Die eine ist durch die Angabe von Beschriftungen mit dem Schlüsselwort column und die andere durch die Verwendung des Achsenparameters. Die bessere ist, die Beschriftungen mit dem Schlüsselwort columns zu spezifizieren.
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.reindex(columns=["Presents", "Name", "Marks"])
print(dataframe1)
Ausgabe:
Presents Name Marks
0 NaN Olivia NaN
1 NaN John NaN
2 NaN Laura NaN
3 NaN Ben NaN
4 NaN Kevin NaN
Der alte Index wird mit den alten Werten zugewiesen. Die neuen Indizes haben NaN-Werte.
Wir könnten auch die Spalten mit dem Parameter axis neu indizieren.
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.reindex(["Presents", "Name", "Marks"], axis="columns")
print(dataframe1)
Beispielcodes: DataFrame.reindex() Methode zum Füllen der fehlenden Werte mit fill_value
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.reindex([1, 2, 3, 4, 5], fill_value=0)
print(dataframe1)
Ausgabe:
Attendance Name Obtained Marks
1 100 John 75
2 80 Laura 82
3 75 Ben 64
4 95 Kevin 67
5 0 0 0
Die fehlenden Werte werden nun mit 0 gefüllt.
Beispielcodes: DataFrame.reindex() zum Auffüllen der fehlenden Werte mit dem Parameter method
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 75, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 56, 1: 75, 2: 82, 3: 64, 4: 67},
}
)
dataframe1 = dataframe.reindex([1, 2, 3, 4, 5], method="ffill")
print(dataframe1)
Ausgabe:
Attendance Name Obtained Marks
1 100 John 75
2 80 Laura 82
3 75 Ben 64
4 95 Kevin 67
5 95 Kevin 67
Die Methode ffill hat die fehlenden Vorwärtswerte mit dem letzten verfügbaren Wert gefüllt.