إعادة بناء المؤشر في Pandas

إعادة الترتيب سيغير علامات الصف وعمود DataFrame. إعادة الترتيب تعني جعل البيانات تتطابق مع مجموعة معينة من العلامات على محور معين.

يمكن تنفيذ عدة عمليات من خلال الت索引، مثل-

إعادة ترتيب البيانات القائمة لتناسب مجموعة جديدة من العلامات.إدراج علامات النقص (NA) في مواقع العلامات التي لا تحتوي على بيانات.

مثال:

　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(['منخفضة','متوسطة','عالية'],N).tolist(),
　　　　'D':　np.random.normal(100,　10,　size=(N)).tolist()
　)
　#　إعادة بناء DataFrame
　df_reindexed = df.reindex(index=[0,2,5], columns=['A', 'C', 'B'])
　print(df_reindexed)

运行结果：

　　　　　　　　　　　A　　　　C　　　　　B
0　　2016-01-01　　منخفضة　　　لا يوجد قيمة
2　　2016-01-03　　عالية　　　لا يوجد قيمة
5　　2016-01-06　　منخفضة　　　لا يوجد قيمة

إعادة الترتيب لتناسب الأجسام الأخرى

قد ترغب في الحصول على عنصر وضبط أسماء المحاور له لتناسب عنصر آخر. انظر إلى الأمثلة التالية لفهم نفس المفهوم.

مثال

　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)

运行结果：

　　　　　　　　　col1　　　　　　　　　col2　　　　　　　　　col3
-2.467652　　　　-1.211687　　　　-0.391761
-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

في هذا السياق، يتم تعديل DataFrame df1 وإعادة تقييمه مثل df2. يجب أن تطابق أسماء الأعمدة، وإلا سيتم إضافة NAN إلى جميع العلامات التشغيل للعمود.

ملء عند إعادة الت索引

reindex() يستخدم بيانات متاحة خيار طريقة، وهي طريقة ملء كالتالي

pad/ffill − ملء بالقيمة الأمامية

bfill/backfill − ملء بالقيمة الخلفية

nearest − ملء من أقرب قيمة مكررة

实例

　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'])
　#　填充　NAN
　print　df2.reindex_like(df1)
　#　الآن باستخدام القيمة السابقة ملء NAN
　print("بيانات الإطارات المملوءة بالتمديد الأمامي:")
　print(df2.reindex_like(df1,method='ffill'))

运行结果：

　　　　　　　　　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
بيانات الإطارات المملوءة بالتمديد الأمامي:
　　　　　　　　　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

最后四行被填充。

重新编制索引时的填充限制

limit参数为重新索引时的填充提供了额外的控制。限制指定连续匹配的最大数量。让我们考虑以下示例以了解相同的内容-

实例

　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'])
　#　填充　NAN
　print　df2.reindex_like(df1)
　#　现在用前面的值填充NAN　print("前向填充限制为1的数据帧:")
　print(df2.reindex_like(df1,method='ffill',limit=1))

运行结果：

　　　　　　　　　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
前向填充限制为1的数据帧:
　　　　　　　　　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

请注意，前面的第六行仅填充了第七行。然后，各行保持原样。

重命名

通过rename()方法，您可以基于某些映射（字典或系列）或任意函数来重新标记轴。 　
让我们考虑以下示例以了解这一点-

　　import　pandas　as　pd
　import　numpy　as　np
　df1　=　pd.DataFrame(np.random.randn(6,3),columns=['col1','col2','col3'])
　print　df1
　print　("重命名行和列之后:")
　print(df1.rename(columns={'col1'　:　'c1',　'col2'　:　'c2'},
　index　=　{0　:　'apple',　1　:　'banana',　2　:　'durian'}))

运行结果：

　　　　　　　　　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
بعد إعادة تسمية الصفوف والأعمدة:
　　　　　　　　　　　　　　　　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