Reconstrução de Índice do Pandas

重建索引 alterarão os rótulos de linha e coluna do DataFrame. Reindexar significa fazer com que os dados coincidam com um conjunto de rótulos dados em uma axia específica.

Operações múltiplas podem ser realizadas através de índices, por exemplo-

Reordenar dados existentes para coincidir com um conjunto de novos rótulos.Inserir valores ausentes (NA) em posições de rótulos ausentes nos dados de rótulos.

Exemplo:

　import　pandas　as　pd
　import　numpy　as　np
　N=20
　df = pd.DataFrame({
　　　　'A': pd.date_range(start='2016-01-01',periods=N,freq='D'),
　　　　'x': np.linspace(0,stop=N-1,num=N),
　　　　'y': np.random.rand(N),
　　　　'C': np.random.choice(['Baixo','Médio','Alto'],N).tolist(),
　　　　'D': np.random.normal(100,　10,　size=(N)).tolist()
　})
　# Reindexar DataFrame
　df_reindexed = df.reindex(index=[0,2,5],　columns=['A',　'C',　'B'])
　print(df_reindexed)

Resultados da Execução：

　　　　　　　　　　　A　　C　　　　　B
0　　2016-01-01　　Baixo　　NaN
2　　2016-01-03　　Alto　　NaN
5　　2016-01-06　　Baixo　　NaN

Reindexar para alinhar com outros objetos

Pode-se desejar obter um objeto e reindexá-lo em suas axias para que coincida com outro objeto. Considere o seguinte exemplo para entender o conteúdo semelhante.

Exemplo

　import　pandas　as　pd
　import　numpy　as　np
　df1　=　pd.DataFrame(np.random.randn(10,3),columns=['col1','col2','col3'])
　df2　=　pd.DataFrame(np.random.randn(7,3),columns=['col1','col2','col3'])
　df1　= df1.reindex_like(df2)
　print(df1)

Resultados da Execução：

　　　　　　　　　col1　　　　　　　　　col2　　　　　　　　　col3
0　　　　-2.467652　　　　-1.211687　　　　-0.391761
1　　　　-0.287396　　　　　0.522350　　　　　0.562512
2　　　　-0.255409　　　　-0.483250　　　　　1.866258
3　　　　-1.150467　　　　-0.646493　　　　-0.222462
4　　　　　0.152768　　　　-2.056643　　　　　1.877233
5　　　　-1.155997　　　　　1.528719　　　　-1.343719
6　　　　-1.015606　　　　-1.245936　　　　-0.295275

Aqui, df1 DataFrame como df2também são alterados e reindexados. Os nomes das colunas devem coincidir, caso contrário, NAN será adicionado a todas as etiquetas da coluna.

Preenchimento ao reindexar

reindex() Adotando o parâmetro opcional método, que é um método de preenchimento, cujos valores são os seguintes

pad/ffill − Preenchimento para frente

bfill/backfill − Preenchimento para trás

nearest − Preenchimento a partir do índice mais próximo

Exemplo

　import　pandas　as　pd
　import　numpy　as　np
　df1　=　pd.DataFrame(np.random.randn(6,3),columns=['col1','col2','col3'])
　df2　=　pd.DataFrame(np.random.randn(2,3),columns=['col1','col2','col3'])
　# Preenchimento de NAN
　print　df2.reindex_like(df1)
　# Usar os valores anteriores para preencher NAN
　print("DataFrame com preenchimento para frente:")
　print(df2.reindex_like(df1,method='ffill'))

Resultados da Execução：

　　　　　　　　　col1　　　　　　　　col2　　　　　　　col3
0　　　　1.311620　　　-0.707176　　　0.599863
1　　　-0.423455　　　-0.700265　　　1.133371
2　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　NaN
3　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　NaN
4　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　NaN
5　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　NaN
DataFrame com preenchimento para frente:
　　　　　　　　　col1　　　　　　　　col2　　　　　　　　col3
0　　　　1.311620　　　-0.707176　　　　0.599863
1　　　-0.423455　　　-0.700265　　　　1.133371
2　　　-0.423455　　　-0.700265　　　　1.133371
3　　　-0.423455　　　-0.700265　　　　1.133371
4　　　-0.423455　　　-0.700265　　　　1.133371
5　　　-0.423455　　　-0.700265　　　　1.133371

As últimas quatro linhas são preenchidas.

Limitação de preenchimento ao reindexar

O parâmetro limit oferece controle adicional ao reindexar. Limita a quantidade máxima de ocorrências consecutivas. Vamos considerar o seguinte exemplo para entender o conteúdo semelhante-

Exemplo

　import　pandas　as　pd
　import　numpy　as　np
　　
　df1　=　pd.DataFrame(np.random.randn(6,3),columns=['col1','col2','col3'])
　df2　=　pd.DataFrame(np.random.randn(2,3),columns=['col1','col2','col3'])
　# Preenchimento de NAN
　print　df2.reindex_like(df1)
　# Usar os valores anteriores para preencher NAN1do DataFrame:)
　print(df2.reindex_like(df1,method='ffill',limit=1))

Resultados da Execução：

　　　　　　　　　col1　　　　　　　　col2　　　　　　　　col3
0　　　　0.247784　　　　2.128727　　　　0.702576
1　　　-0.055713　　　-0.021732　　　-0.174577
2　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN
3　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN
4　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN
5　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN
A preenchimento em frente está limitado a1do DataFrame:
　　　　　　　　　col1　　　　　　　　col2　　　　　　　　col3
0　　　　0.247784　　　　2.128727　　　　0.702576
1　　　-0.055713　　　-0.021732　　　-0.174577
2　　　-0.055713　　　-0.021732　　　-0.174577
3　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN
4　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN
5　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN

Observe que a sexta linha apenas preencheu a sétima linha. Então, cada linha permaneceu como era.

Renomear

Através do método rename(), você pode renomear o eixo com base em alguns mapeamentos (dicionário ou série) ou em uma função arbitrária. 　
Vamos considerar o seguinte exemplo para entender isso-

　　import　pandas　as　pd
　import　numpy　as　np
　df1　=　pd.DataFrame(np.random.randn(6,3),columns=['col1','col2','col3'])
　print　df1
　print　("Após renomear as linhas e colunas:")
　print(df1.rename(columns={'col1':　'c1',　'col2':　'c2'},
　index　=　{0　:　'apple',　1　:　'banana',　2　:　'durian'}))

Resultados da Execução：

　　　　　　　　　col1　　　　　　　　col2　　　　　　　　col3
0　　　　0.486791　　　　0.105759　　　　1.540122
1　　　-0.990237　　　　1.007885　　　-0.217896
2　　　-0.483855　　　-1.645027　　　-1.194113
3　　　-0.122316　　　　0.566277　　　-0.366028
4　　　-0.231524　　　-0.721172　　　-0.112007
5　　　　0.438810　　　　0.000225　　　　0.435479
Após renomear as linhas e colunas:
　　　　　　　　　　　　　　　　c1　　　　　　　　　　c2　　　　　　　　col3
apple　　　　　0.486791　　　　0.105759　　　　1.540122
banana　　　-0.990237　　　　1.007885　　　-0.217896
durian　　　-0.483855　　　-1.645027　　　-1.194113
3　　　　　　　　-0.122316　　　　0.566277　　　-0.366028
4　　　　　　　　-0.231524　　　-0.721172　　　-0.112007
5　　　　　　　　　0.438810　　　　0.000225　　　　0.435479