Pandas dataframe.reindex()函數使用可選的填充邏輯使DataFrame符合新索引，將NA /NaN放置在先前索引中沒有值的位置。除非新索引等於當前索引並且copy = False，否則將生成一個新對象。
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)
參數：
labels:新標簽/索引使“ axis”指定的軸與之一致。
index, columns:要符合的新標簽/索引。最好是一個Index對象，以避免重復數據
axis:軸到目標。可以是軸名稱(“索引”，“列”)或數字(0、1)。
method:{None，“ backfill” /“ bfill”，“ pad” /“ ffill”，“ nearest”}，可選
copy:即使傳遞的索引相同，也返回一個新對象
level:在一個級別上廣播，在傳遞的MultiIndex級別上匹配索引值
fill_value:在計算之前，請使用此值填充現有的缺失(NaN)值以及成功完成DataFrame對齊所需的任何新元素。如果兩個對應的DataFrame位置中的數據均丟失，則結果將丟失。
limit:向前或向后填充的最大連續元素數
tolerance:不完全匹配的原始標簽和新標簽之間的最大距離。匹配位置處的索引值最滿足方程abs(index [indexer]-target)
返回：重新索引：DataFrame
范例1：采用reindex()用於重新索引 DataFrame 的函數。默認情況下，新索引中在 DataFrame 中沒有對應記錄的值被分配為NaN。
注意：我們可以通過將值傳遞給關鍵字fill_value來填充缺失的值。
# 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
讓我們使用dataframe.reindex()重新索引 DataFrame 的功能
# reindexing with new index values df.reindex(["first", "dues", "trois", "fourth", "fifth"])輸出：
注意輸出，新索引填充為NaN值，我們可以使用參數fill_value填寫缺少的值
# filling the missing values by 100 df.reindex(["first", "dues", "trois", "fourth", "fifth"], fill_value = 100)輸出：
范例2：采用reindex()重新索引列軸的功能
# 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"])輸出：
注意，我們有NaN重新編制索引后，新列中的值會發生變化，我們可以解決重新編制索引時遺漏的值。通過論證fill_value 功能。
# reindex the columns # fill the missing values by 25 df.reindex(columns =["A", "B", "D", "E"], fill_value = 25)輸出：