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

Pandas

df.reindex() 与 df.set_index() 方法的区别

Python

在使用 Pandas 进行数据处理和分析时，经常会遇到需要重新索引和重新设置索引的情况。DataFrame 对象中有两个常用的方法可以实现这一功能，分别是 df.reindex() 和 df.set_index()。

1. df.reindex()

df.reindex() 方法用于重新索引 DataFrame 对象，即根据指定的索引值重新排列数据。它可以接收一个参数，即新的索引值，可以是一个索引对象或一个索引数组。该方法会返回一个具有新索引的 DataFrame 对象，如果指定的索引值在原来的索引中不存在，则用 NaN 填充对应的行。

下面是一个使用 df.reindex() 方法的示例代码：

Python
import Pandas as pd
# 创建一个 DataFrame 对象
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 打印原始 DataFrame 对象
print("原始 DataFrame 对象：")
print(df)
# 使用 df.reindex() 方法重新索引
df_reindexed = df.reindex([2, 1, 0])
# 打印重新索引后的 DataFrame 对象
print("重新索引后的 DataFrame 对象：")
print(df_reindexed)

运行上面的代码，输出结果如下：

原始 DataFrame 对象：
   A  B
0  1  4
1  2  5
2  3  6
重新索引后的 DataFrame 对象：
   A  B
2  3  6
1  2  5
0  1  4

2. df.set_index()

df.set_index() 方法用于重新设置 DataFrame 对象的索引，即将某一列或几列作为新的索引值。它可以接收一个或多个参数，指定要设置为索引的列名或列名的列表。该方法会返回一个具有新索引的 DataFrame 对象。

下面是一个使用 df.set_index() 方法的示例代码：

Python
import Pandas as pd
# 创建一个 DataFrame 对象
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 打印原始 DataFrame 对象
print("原始 DataFrame 对象：")
print(df)
# 使用 df.set_index() 方法重新设置索引
df_set_index = df.set_index('A')
# 打印重新设置索引后的 DataFrame 对象
print("重新设置索引后的 DataFrame 对象：")
print(df_set_index)

运行上面的代码，输出结果如下：

原始 DataFrame 对象：
   A  B
0  1  4
1  2  5
2  3  6
重新设置索引后的 DataFrame 对象：
   B
A   
1  4
2  5
3  6

区别与应用场景

1. df.reindex() 的用途：

df.reindex() 方法适用于需要重新排列 DataFrame 对象的索引值的情况。它可以用于对 DataFrame 对象进行重新排序、删除行或列、添加新的行或列等操作。当需要对 DataFrame 对象进行灵活的索引操作时，可以使用 df.reindex() 方法。

例如，在进行数据分析时，可能需要按照某种顺序对数据进行排序，或者需要删除一些异常值较多的行。这时，可以使用 df.reindex() 方法对 DataFrame 对象进行重新索引，然后再进行相应的操作。

2. df.set_index() 的用途：

df.set_index() 方法适用于需要更改 DataFrame 对象的索引的情况。它可以用于将某一列或几列作为新的索引值，以便更方便地对数据进行查找和分析。当需要根据某一列的值进行分组、计算统计量或合并数据时，可以使用 df.set_index() 方法。

例如，在进行时间序列分析时，常常需要将日期列作为索引，以便按照日期进行数据的聚合和分析。这时，可以使用 df.set_index() 方法将日期列设置为索引，然后再进行相应的操作。

：

df.reindex() 方法用于重新索引 DataFrame 对象，即根据指定的索引值重新排列数据；df.set_index() 方法用于重新设置 DataFrame 对象的索引，即将某一列或几列作为新的索引值。两者的区别在于 df.reindex() 是重新排列索引，而 df.set_index() 是更改索引。

根据实际需求选择合适的方法可以更方便地对数据进行操作和分析。