redindex()方法：对DataFrame数据帧的行进行重新排列
我们可以命名DataFrame数据的columns参数来对DF数据的列进行排序，而对于行，我们则可以使用reindex()方法进行排序。注意reindex方法的参数是一个列表，列表中index的顺序，就是希望DF数据排序的顺序。注意和drop一样，reindex方法不会直接在data上生效，而需要重新复制才可以改变原来的数据。
示例代码如下：
import pandas as pd
dict_data = {
'student':["Li Lei","Han Meimei","Tom"],
'score' :[95,98,92],
'gender':['M','F','M']
}
DF_data = pd.DataFrame(dict_data,columns=['gender','student','score'],index=['a','b','c'])
print(DF_data)
reindex_list = ['c','a','b']
DF_data = DF_data.reindex(reindex_list)
print(DF_data)
运行结果如下：
gender student score
a M Li Lei 95
b F Han Meimei 98
c M Tom 92
gender student score
c M Tom 92
a M Li Lei 95
b F Han Meimei 98
[Finished in 3.8s]
现在问题来了，如果reindex_list中存在原来DF数据中不存在的元素怎么办？比如我们把以上代码中的
reindex_list = ['c','a','b']
改为
reindex_list = ['c','a','b','d']
运行结果如下：
gender student score
a M Li Lei 95
b F Han Meimei 98
c M Tom 92
gender student score
c M Tom 92.0
a M Li Lei 95.0
b F Han Meimei 98.0
d NaN NaN NaN
[Finished in 4.5s]
我们发现最后data中多了一行，它的index是’d’，而它的全部元素都被设置为NaN。我们可以在reindex方法中设置参数，把这个讨厌的NaN改成其他的数值，这里提供两种参数，第一个是fill_value参数，可以把NaN全部改成指定的fill_value值，比如我们把
DF_data = DF_data.reindex(reindex_list)
改成
DF_data = DF_data.reindex(reindex_list,fill_value=0)
gender student score
a M Li Lei 95
b F Han Meimei 98
c M Tom 92
gender student score
c M Tom 92
a M Li Lei 95
b F Han Meimei 98
d 0 0 0
[Finished in 4.4s]
还有一种方法是使用method指定填充方法，比如ffill，这样可以按照差值的方法对NaN进行填充。
代码如下：
DF_Data = DF_Data.reindex(reindex_list,methoed = 'ffill')
输出的结构如下：
gender student score
a M Li Lei 95
b F Han Meimei 98
c M Tom 92
gender student score
c M Tom 92
a M Li Lei 95
b F Han Meimei 98
d M Tom 92
[Finished in 4.8s]