pandas.Index.reindex #

指数。reindex (目标,方法=无,级别=无,限制=无,容差=无) [来源] #

使用目标值创建索引。

参数：
目标是一个可迭代的
方法{无、'pad'/'ffill'、'backfill'/'bfill'、'nearest'}，可选

  • 默认值：仅精确匹配。

  • pad / fill：如果没有完全匹配，则查找上一个索引值。

  • backfill / bfill：如果没有精确匹配，则使用 NEXT 索引值

  • 最近：如果没有完全匹配，则使用 NEAREST 索引值。通过选择较大的索引值来打破束缚距离。

level整数，可选

多索引级别。

限制int，可选

target用于匹配不精确匹配的最大连续标签数。

公差int 或 float，可选

不精确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必须满足方程。abs(index[indexer] - target) <= tolerance

公差可以是标量值，它对所有值应用相同的公差，也可以是类似列表的，它对每个元素应用可变的公差。类列表包括列表、元组、数组、系列，并且必须与索引大小相同，并且其数据类型必须与索引的类型完全匹配。

返回：
new_index pd.Index

结果索引。

索引器np.ndarray[np.intp] 或 None

原始索引中输出值的索引。

加薪：
类型错误

如果method与 一起传递level。

值错误

如果非唯一多索引

值错误

如果非唯一索引和method/或limit通过。

也可以看看

Series.reindex

通过可选的填充逻辑使系列符合新索引。

DataFrame.reindex

使用可选的填充逻辑使 DataFrame 符合新索引。

例子

>>> idx = pd.Index(['car', 'bike', 'train', 'tractor'])
>>> idx
Index(['car', 'bike', 'train', 'tractor'], dtype='object')
>>> idx.reindex(['car', 'bike'])
(Index(['car', 'bike'], dtype='object'), array([0, 1]))