Переиндексацию в Pandas можно использовать для изменения индекса строк и столбцов в DataFrame. Индексы можно использовать со ссылкой на несколько индексов DataStructure, связанных с несколькими сериями panda или panda DataFrame. Давайте посмотрим, как мы можем переиндексировать столбцы и строки в Pandas DataFrame.
Переиндексировать строки
Вы можете переиндексировать одну или несколько строк, используя reindex() . Значения по умолчанию в новом индексе, которых нет во фрейме данных, назначаются NaN.
Пример № 1:
# import numpy and pandas module
import pandas как pd
import numpy as np
столбец = [ `a ` , ` b` , `c` , ` d` , `e` ]
index = [ `A` ` B` , `C ` , ` D` , `E` ]
# создать фрейм данных случайных значений массива ‚Äã‚Äã
df1 = pd.DataFrame (np.random.rand ( 5 , 5 ),
столбцы = столбец, индекс = индекс )
print (df1)
print ( `Кадр данных после переиндексации строк:` ,
df1.reindex ([ `B` , ` D` , ` A` , `C` , `E` ]))
Вывод : 
Пример № 2:
# импортировать модули numpy и pandas
import pandas as pd
import numpy как np
столбец = [ `a` , ` b` , `c` , ` d` , `e` ]
index = [ `A` , `B` , ` C` , `D` , ` E ` ]
# создать данные для имя случайных значений массива ‚Äã‚Äã
df1 = pd.DataFrame (np.random.rand ( 5 , 5 ),
столбцы = столбец, индекс = index )
# создайте новый индекс для строк
new_index = [ `U` , ` A` , `B` , ` C` , `Z ` ]
print (df1.reindex (new_index))
Вывод: 
Переиндексация столбцов с использованием ключевого слова axis
Можно переиндексировать один или несколько столбцов столбцы, используя reindex() и указав ось , которую мы хотим переиндексировать. Значения по умолчанию в новом индексе, которых нет во фрейме данных, назначаются NaN.
Пример № 1:
# import numpy and pandas module
import pandas как pd
import numpy as np
столбец = [ `a ` , ` b` , `c` , ` d` , `e` ]
index = [ `A` ` B` , `C ` , ` D` , `E` ]
# создать фрейм данных случайных значений массива ‚Äã‚Äã
df1 = pd.DataFrame (np.random.rand ( 5 , 5 ),
столбцы = столбец, индекс = индекс )
столбец = [ `e` , ` a` , `b` , `c` , ` d` ]
# создайте новый индекс для столбцов
print (df1.reindex (столбец, ось = ` столбцы` ))
Вывод: 
Пример № 2:
|
<код class ="keyword"> import
|
Вывод: 
Замена отсутствующих значений ‚Äã‚Äã
Код № 1: вы можете заполнить отсутствующие значения ‚Äã‚Äãиз фрейма данных, передав значение ключевому слову fill_value . Это ключевое слово заменяет значения NaN.
# import numpy and pandas module
импортировать pandas as pd
import numpy as np
столбец = [ ` a` , `b` , ` c` , ` d` , ` e` ]
index = [ ` A` , `B` , ` C` , `D` , ` E` ]
# создать фрейм данных случайных значений массива ‚Äã‚Äã
df1 = pd.DataFrame (np.random.rand ( 5 , 5 ) ,
столбцы = столбец, индекс = index)
столбец = [ `a` , ` b` , `c` , `g` , `h` ]
# создайте новый индекс для столбцов
print (df1.reindex (столбец, ось = `columns` , fill_value = 1.5 ))
Вывод: 
Код № 2: Замените отсутствующие данные строкой.
# импортировать модуль numpy и pandas
import pandas as pd
import numpy as np
столбец = [ `a` , ` b` , ` c` , ` d` , `e` ]
index = [ `A` , `B` , ` C` , `D` , <класс кода = "string"> `E` ]
# создать фрейм данных случайных значений массива ‚Äã‚Äã
df1 = pd.DataFrame (np.random.rand ( 5 , 5 ),
столбцы = столбец, индекс = index)
столбец = [ `a` , `b` , ` c` , `g` , `h` ]
# создать новый индекс для столбцов
print (df1.reindex (столбец, ось = `columns` , fill_value = ` данные отсутствует` ))
Вывод:
