pandas reindex

DataFrame.reindex(index=None, columns=None, **kwargs)

import pandas as pd

# 创建一个Series对象
data = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
print("原始数据：")
print(data)

# 重新索引
new_index = ['a', 'b', 'c', 'd', 'e']
data_reindexed = data.reindex(new_index)
print("\n重新索引后的数据：")
print(data_reindexed)

原始数据：
a    1
b    2
c    3
d    4
dtype: int64

重新索引后的数据：
a    1.0
b    2.0
c    3.0
d    4.0
e    NaN
dtype: float64

# 创建一个DataFrame对象
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data, index=['X', 'Y', 'Z'])
print("原始数据：")
print(df)

# 重新索引行和列
new_index = ['X', 'Y', 'Z', 'W']
new_columns = ['A', 'B', 'C', 'D']
df_reindexed = df.reindex(index=new_index, columns=new_columns, fill_value=0)
print("\n重新索引后的数据：")
print(df_reindexed)

原始数据：
   A  B  C
X  1  4  7
Y  2  5  8
Z  3  6  9

重新索引后的数据：
   A  B  C  D
X  1  4  7  0
Y  2  5  8  0
Z  3  6  9  0
W  0  0  0  0

# 创建一个Series对象
data = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
print("原始数据：")
print(data)

# 创建一个新的索引，其中包含原始数据索引以及额外的新索引位置
new_index = ['a', 'b', 'c', 'd', 'e']
# 使用reindex函数填充缺失值
data_reindexed = data.reindex(new_index, fill_value=0)
print("\n填充缺失值后的数据：")
print(data_reindexed)

原始数据：
a    1
b    2
c    3
d    4
dtype: int64

填充缺失值后的数据：
a    1
b    2
c    3
d    4
e    0
dtype: int64