Pandas中关于reindex(), set_index()和reset_index()的用法

参考文章：
Pandas详解八之ReIndex重新索引
pandas中关于set_index和reset_index的用法
Pandas set_index&reset_index

1. 首先说reindex()

《利用python进行数据分析》中写：
reindex()方法用于创建一个符合新索引的新对象
①对于Series类型，调用reindex()会将数据按照新的索引进行排列,如果某个索引值之前不存在，则引入缺失值
如：

se1=pd.Series([1,7,3,9],index=['d','c','a','f'])
se1

输出：

d    1
c    7
a    3
f    9
dtype: int64

se2=se1.reindex(['a','b','c','d','e','f'])
se2

输出：

a    3.0
b    NaN
c    7.0
d    1.0
e    NaN
f    9.0
dtype: float64

Series比较好理解，不用多说

②DataFrame中，reindex()可以改变行索引和列索引

frame = pd.DataFrame(np.arange(9).reshape((3, 3)),
                     index=['a', 'c', 'd'],
                     columns=['Ohio', 'Texas', 'California'])
                     
frame
frame2 = frame.reindex(['a', 'b', 'c', 'd'])
frame2

输出：

Ohio 	Texas 	California
a 	0.0 	1.0 	2.0
b 	NaN 	NaN 	NaN
c 	3.0 	4.0 	5.0
d 	6.0 	7.0 	8.0

列还可以使用columns关键字重建索引

states = ['Texas', 'Utah', 'California']
frame.reindex(columns=states)

输出：

Texas 	Utah 	California
a 	1 	NaN 	2
c 	4 	NaN 	5
d 	7 	NaN 	8

2. 接下来讲set_index()方法

reset_index()，顾名思义，即设置索引。可以设置单索引和复合索引
调用这个函数会生成一个新的DataFrame, 新的df使用一个列或多个列作为索引

In [307]: data
Out[307]: 
     a    b  c    d
0  bar  one  z  1.0
1  bar  two  y  2.0
2  foo  one  x  3.0
3  foo  two  w  4.0

In []: indexed1 = data.set_index('c')
          indexed1
Out[]: 
     a    b    d
c               
z  bar  one  1.0
y  bar  two  2.0
x  foo  one  3.0
w  foo  two  4.0

In []: indexed2 = data.set_index(['a', 'b'])
       indexed2
Out[]: 
         c    d
a   b          
bar one  z  1.0
    two  y  2.0
foo one  x  3.0
    two  w  4.0

3. reset_index()，它是set_index()的反操作，调用它分层索引的索引层级会被还原到列中

In []: data
Out[]: 
         c    d
a   b          
bar one  z  1.0
    two  y  2.0
foo one  x  3.0
    two  w  4.0

In []: data.reset_index()
Out[]: 
     a    b  c    d
0  bar  one  z  1.0
1  bar  two  y  2.0
2  foo  one  x  3.0
3  foo  two  w  4.0