pandas 中 df.reindex() 和 df.set_index() 方法的区别

Posted 2023-03-12

【中文标题】pandas 中 df.reindex() 和 df.set_index() 方法的区别

【英文标题】：Difference between df.reindex() and df.set_index() methods in pandas

【发布时间】：2018-11-17 08:59:51

【问题描述】：

我对此感到困惑，这很简单，但我没有立即在 *** 上找到答案：

df.set_index('xcol') 使列 'xcol' 成为索引（当它是 df 的列时）。

然而，df.reindex(myList) 从数据框外部获取索引，例如，来自我们在其他地方定义的名为 myList 的列表。

但是，df.reindex(myList) 也会将值更改为 NA。一个简单的替代方法是：df.index = myList

我希望这篇文章能澄清它！也欢迎对这篇文章进行补充！

【参考方案1】：

除了 Ben 的出色回答。 T，我想再举一个例子，说明当您将reindex 和set_index 用于索引列时它们有何不同

import pandas as pd
import numpy as np
testdf = pd.DataFrame('a': [1, 3, 2],'b': [3, 5, 4],'c': [5, 7, 6])

print(testdf)
print(testdf.set_index(np.random.permutation(testdf.index)))
print(testdf.reindex(np.random.permutation(testdf.index)))

输出：

使用set_index，当index列（第一列）被打乱时，其他列的顺序保持不变 使用reindex，行的顺序会根据index 列的随机排列进行相应更改。

   a  b  c
0  1  3  5
1  3  5  7
2  2  4  6
   a  b  c
1  1  3  5
2  3  5  7
0  2  4  6
   a  b  c
2  2  4  6
1  3  5  7
0  1  3  5

【参考方案2】：

只是补充一下，对set_index 的撤消将是reset_index 方法（或多或少）：

df = pd.DataFrame('a': [1, 2],'b': [3, 4])
print (df)

df.set_index('a', inplace=True)
print(df)

df.reset_index(inplace=True, drop=False)
print(df)

---

   a  b
0  1  3
1  2  4
   b
a   
1  3
2  4
   a  b
0  1  3
1  2  4

【参考方案3】：

您可以通过一个简单的示例看到不同之处。让我们考虑一下这个数据框：

df = pd.DataFrame('a': [1, 2],'b': [3, 4])
print (df)
   a  b
0  1  3
1  2  4

索引是 0 和 1

如果您使用 set_index 和列“a”，则索引为 1 和 2。如果您使用 df.set_index('a').loc[1,'b']，您将获得 3。

现在如果你想使用reindex 与相同的索引1 和2 例如df.reindex([1,2])，当你做df.reindex([1,2]).loc[1,'b'] 时你会得到4.0

发生的事情是set_index 已将先前的索引 (0,1) 替换为 (1,2)（来自列 'a' 的值），而没有触及列 'b' 中值的顺序

df.set_index('a')
   b
a   
1  3
2  4

reindex 更改索引但保留“b”列中的值与原始 df 中的索引相关联

df.reindex(df.a.values).drop('a',1) # equivalent to df.reindex(df.a.values).drop('a',1)
     b
1  4.0
2  NaN
# drop('a',1) is just to not care about column a in my example

最后，reindex 更改索引的顺序而不更改与每个索引关联的行的值，而set_index 将使用列的值更改索引，而不涉及其他值的顺序数据框

【讨论】：

很好的解释！

只是一个简短的使用注释，pandas 建议使用at 而不是loc 进行单单元格索引：df.at[1, 'b']。 Loc 通常用于访问范围。