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

Question

我对此感到困惑，这很简单，但我没有立即在 StackOverflow 上找到答案:

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

但是，

• df.reindex(myList) 从数据帧外部获取索引，例如，从我们在别处定义的名为 myList 的列表中获取索引。

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!

Answer 1

您可以在一个简单的示例中看到差异。让我们考虑这个数据框:

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

然后索引为 0 和 1

如果您对列 'a' 使用 set_index，则索引为 1 和 2。如果您执行 df.set_index('a').loc[1,'b' ]，你会得到 3.

现在如果你想对相同的索引 1 和 2 使用 reindex，例如 df.reindex([1,2])，当你做 df.reindex([1,2]).loc[1,'b']

发生的事情是 set_index 已经将之前的索引 (0,1) 替换为 (1,2)(来自“a”列的值)，而没有触及“b”列中值的顺序'

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

虽然 reindex 更改了索引，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，不触及数据框中其他值的顺序