Pandas DataFrame DataFrame.reindex() Fonction
-
Syntaxe de
pandas.DataFrame.reindex() -
Exemples de codes:
DataFrame.reindex() -
Exemples de codes:
DataFrame.reindex()pour réindexer les colonnes -
Exemples de codes:
DataFrame.reindex()Méthode pour remplir les valeurs manquantes avecfill_value -
Exemples de codes:
DataFrame.reindex()pour remplir les valeurs manquantes à l’aide du paramètremethod
Python Pandas DataFrame.reindex() modifie l’index d’une DataFrame. Il modifie les index sur l’axe spécifié. Les nouveaux index ne contiennent pas de valeurs. Il fournit des paramètres facultatifs pour remplir ces valeurs.
Syntaxe de pandas.DataFrame.reindex()
DataFrame.dropna(
labels, index, columns, axis, method, copy, level, fill_value, limit, tolerance
)
Paramètres
labels |
Il s’agit d’une structure de type tableau qui contient les noms des nouveaux index. |
index, columns |
Il s’agit d’une structure de type tableau qui contient les noms des nouveaux index. Il doit être spécifié à l’aide du mot clé index ou columns. |
axis |
Il s’agit d’un “entier” ou d’une string. Il indique l’axe cible soit des lignes soit des colonnes. Il peut s’agir de 0 ou index et 1 ou columns. |
method |
Ce paramètre spécifie la méthode pour remplir les valeurs manquantes dans le DataFrame réindexé. Il a quatre possibilités: None, backfill / bfill, pad / ffill, Nearest. Cela ne s’applique que si notre DataFrame ou Series a une séquence d’index croissant ou décroissant. |
copy |
Boolean. Par défaut, c’est True. Il retourne un nouvel objet. |
level |
C’est un entier ou un nom. Il fait correspondre les valeurs d’index à un niveau multi-index réussi. |
fill_value |
Il a une valeur scalaire. C’est la valeur pour remplir les valeurs manquantes. |
limit |
C’est un entier. Il indique la limite des éléments consécutifs tout en remplissant les valeurs manquantes. |
tolerance |
Il indique la différence entre l’original et les nouvelles étiquettes en cas de correspondances inexactes. |
Revenir
Il retourne un DataFrame avec les index modifiés.
Exemples de codes: DataFrame.reindex()
Par défaut, l’axe est 0, c’est-à-dire les lignes, donc les lignes seront réindexées.
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)
La trame de données de démonstration est la suivante.
Attendance Name Obtained Marks
0 60 Olivia 56
1 100 John 75
2 80 Laura 82
3 75 Ben 64
4 95 Kevin 67
Les index en Python commencent à partir de 0. Nous allons réindexer notre DataFrame et les nouveaux index commenceront à partir de 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)
Production:
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
Ici, 5 est un nouvel index. Ainsi, les valeurs du nouvel index sont NaN.
Exemples de codes: DataFrame.reindex() pour réindexer les colonnes
Il existe deux façons de réindexer les colonnes. L’une consiste à spécifier des étiquettes avec le mot clé column et l’autre à l’aide du paramètre axis. Le mieux est de spécifier les étiquettes avec le mot-clé de la colonne.
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)
Production:
Presents Name Marks
0 NaN Olivia NaN
1 NaN John NaN
2 NaN Laura NaN
3 NaN Ben NaN
4 NaN Kevin NaN
L’ancien index est affecté avec les anciennes valeurs. Les nouveaux index ont des valeurs NaN.
Nous pourrions également réindexer les colonnes avec le paramètre axis.
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)
Exemples de codes: DataFrame.reindex() Méthode pour remplir les valeurs manquantes avec 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)
Production:
Attendance Name Obtained Marks
1 100 John 75
2 80 Laura 82
3 75 Ben 64
4 95 Kevin 67
5 0 0 0
Les valeurs manquantes sont maintenant remplies de 0.
Exemples de codes: DataFrame.reindex() pour remplir les valeurs manquantes à l’aide du paramètre 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)
Production:
Attendance Name Obtained Marks
1 100 John 75
2 80 Laura 82
3 75 Ben 64
4 95 Kevin 67
5 95 Kevin 67
La méthode ffill a rempli les valeurs manquantes avant avec la dernière valeur disponible.