Pandas dataframe.reindex()函数使用可选的填充逻辑使DataFrame符合新索引，将NA /NaN放置在先前索引中没有值的位置。除非新索引等于当前索引并且copy = False，否则将生成一个新对象。
用法： DataFrame.reindex(labels=None, index=None, columns=None, axis=None, method=None, copy=True, level=None, fill_value=nan, limit=None, tolerance=None)
参数：
labels:新标签/索引使“ axis”指定的轴与之一致。
index, columns:要符合的新标签/索引。最好是一个Index对象，以避免重复数据
axis:轴到目标。可以是轴名称(“索引”，“列”)或数字(0、1)。
method:{None，“ backfill” /“ bfill”，“ pad” /“ ffill”，“ nearest”}，可选
copy:即使传递的索引相同，也返回一个新对象
level:在一个级别上广播，在传递的MultiIndex级别上匹配索引值
fill_value:在计算之前，请使用此值填充现有的缺失(NaN)值以及成功完成DataFrame对齐所需的任何新元素。如果两个对应的DataFrame位置中的数据均丢失，则结果将丢失。
limit:向前或向后填充的最大连续元素数
tolerance:不完全匹配的原始标签和新标签之间的最大距离。匹配位置处的索引值最满足方程abs(index [indexer]-target)
返回：重新索引：DataFrame
范例1：采用reindex()用于重新索引 DataFrame 的函数。默认情况下，新索引中在 DataFrame 中没有对应记录的值被分配为NaN。
注意：我们可以通过将值传递给关键字fill_value来填充缺失的值。
# importing pandas as pd import pandas as pd # Creating the dataframe df = pd.DataFrame({"A":[1, 5, 3, 4, 2], "B":[3, 2, 4, 3, 4], "C":[2, 2, 7, 3, 4], "D":[4, 3, 6, 12, 7]}, index =["first", "second", "third", "fourth", "fifth"]) # Print the dataframe df
让我们使用dataframe.reindex()重新索引 DataFrame 的功能
# reindexing with new index values df.reindex(["first", "dues", "trois", "fourth", "fifth"])输出：
注意输出，新索引填充为NaN值，我们可以使用参数fill_value填写缺少的值
# filling the missing values by 100 df.reindex(["first", "dues", "trois", "fourth", "fifth"], fill_value = 100)输出：
范例2：采用reindex()重新索引列轴的功能
# importing pandas as pd import pandas as pd # Creating the first dataframe df1 = pd.DataFrame({"A":[1, 5, 3, 4, 2], "B":[3, 2, 4, 3, 4], "C":[2, 2, 7, 3, 4], "D":[4, 3, 6, 12, 7]}) # reindexing the column axis with # old and new index values df.reindex(columns =["A", "B", "D", "E"])输出：
注意，我们有NaN重新编制索引后，新列中的值会发生变化，我们可以解决重新编制索引时遗漏的值。通过论证fill_value 功能。
# reindex the columns # fill the missing values by 25 df.reindex(columns =["A", "B", "D", "E"], fill_value = 25)输出：