La reindexación en Pandas se puede usar para cambiar el índice de filas y columnas en un DataFrame. Los índices se pueden usar con referencia a múltiples índices de DataStructure asociados con múltiples series panda o panda DataFrame. Veamos cómo podemos reindexar columnas y filas en un Pandas DataFrame.
Reindexar filas
Puedes reindexar una o más filas usando reindex() . Los valores predeterminados ‚Äã‚Äãen el nuevo índice que no están en el marco de datos se asignan NaN.
Ejemplo # 1:
# importar módulo numpy y pandas
importar pandas como pd
import numpy as np
columna = [ `a ` , ` b` , `c` , ` d` , `e` ]
índice = [ `A` , ` B` , `C ` , ` D` , `E` ]
# crear un marco de datos de valores de matriz aleatorios ‚Äã‚Äã
df1 = pd.DataFrame (np.random.rand ( 5 , < /código> 5 ),
columnas = columna, índice = índice )
print (df1)
print ( `Dataframe after reindexing rows:` < código clase = "simple">,
df1.reindex ([ `B` , ` D` , ` A` , `C` , `E` ]))
Salida :
Ejemplo n.º 2:
# importar módulos numpy y pandas
import pandas as pd
import numpy como np
columna = [ < código clase = "cadena"> `a` , ` b` , `c` , ` d` , `e` ]
índice = [ `A` , `B` , ` C` , `D` , ` E ` ]
# crear datos fr nombre de valores de matriz aleatorios ‚Äã‚Äã
df1 = pd.DataFrame (np.random.rand ( 5 , 5 ),
columnas = columna, índice = índice )
# crear un nuevo índice para filas
nuevo_índice = [ `U` , < clase de código ="cadena ">` A` , `B` , ` C` , `Z ` ]
print (df1.reindex (nuevo_índice))
Salida:
Reindexación de columnas usando la palabra clave axis
Es posible reindexar una columna o varias columnas usando reindex() y especificando el eje que queremos reindexar. Los valores predeterminados ‚Äã‚Äãen el nuevo índice que no están en el marco de datos se asignan NaN.
Ejemplo # 1:
# importar módulo numpy y pandas
importar pandas como pd
import numpy as np
columna = [ `a ` , ` b` , `c` , ` d` , `e` ]
índice = [ `A` , ` B` , `C ` , ` D` , `E` ]
# crear un marco de datos de valores de matriz aleatorios ‚Äã‚Äã
df1 = pd.DataFrame (np.random.rand ( 5 , < /código> 5 ),
columnas = columna, índice = índice )
colum = [ `e` , ` a` , `b` , `c` , ` d` ]
# crear un nuevo índice para las columnas
imprimir (df1.reindex (columna, eje = ` columnas` ))
Salida:
Ejemplo # 2:
| # import numpy and pandas module
importar pandas como pd importar numpy as np
columna = [ `a` , `b` , ` c` , ` d` , `e` ]
índice = [ `A` , ` B` , < /código> `C` , ` D` , `E` ]
# crear un marco de datos de valores de matriz aleatorios ‚Äã‚Äã df1 < clase de código = "palabra clave"> = pd.DataFrame (np.random.rand ( 5 , 5 ),
columnas = columna, índice = índice)
columna = [ `a` , ` b` , `c` , ` g` , ` h` ]
# crear un nuevo índice para las columnas
imprimir (df1.reindex (columna, eje) = `columnas` ))
|
Resultado:
Reemplazo de valores faltantes ‚Äã‚Äã
Código n.º 1: Puede completar los valores faltantes ‚Äã‚Äãde un marco de datos pasando un valor a la palabra clave fill_value . Esta palabra clave reemplaza los valores de NaN.
# import numpy and pandas module
importar pandas como pd
importar numpy como np
columna = [ ` a` , `b` , ` c` , ` d` , ` e` ]
índice = [ ` A` , `B` , ` C` , `D` , ` E` ]
# crear un marco de datos de valores de matriz aleatorios ‚Äã‚Äã
df1 = pd.DataFrame (np.random.rand ( 5 , 5 ),
columnas = columna, índice = índice)
columna = [ `a` , ` b` , `c` , `g` < /código> , `h` ]
# crear un nuevo índice para las columnas
imprimir (df1.reindex (columna, eje = `columnas` , valor_de_relleno = 1.5 ))
Salida:
Código n.º 2: Reemplace los datos faltantes con una cadena.
# importar módulo numpy y pandas
import pandas como pd
import numpy as np
columna = [ `a` , ` b` , ` c` , ` d` , `e` ]
índice = [ `A` , `B` , < clase de código ="cadena ">` C` , `D` , `E` ]
# crear un marco de datos de valores de matriz aleatorios ‚Äã‚Äã
df1 = pd.DataFrame (np.random.rand ( 5 , 5 ),
columnas = columna, índice = índice)
columna = [ `a` , `b` , ` c` , ` g` , `h` ]
# crear un nuevo índice para las columnas
print (df1.reindex (columna, eje = `columnas` , fill_value = ` datos falta` ))
Salida:
