当前位置：极客教程 > Pandas > Pandas Series > Python Pandas Series.reindex_like()

Python Pandas Series.reindex_like()

Python Pandas Series.reindex_like()

Pandas系列是一个带有轴标签的一维ndarray。标签不需要是唯一的，但必须是一个可散列的类型。该对象支持整数和基于标签的索引，并提供了大量的方法来执行涉及索引的操作。

Pandas Series.reindex_like()函数返回一个与其他对象具有相同索引的对象。它将对象与所有轴上的相同索引相匹配。

语法: Series.reindex_like(other, method=None, copy=True, limit=None, tolerance=None)

参数:
other:它的行和列索引被用来定义这个对象的新索引。
method:用于填补重新索引的DataFrame的漏洞的方法。
copy : 返回一个新的对象，即使传递的索引是相同的。
limit :为不精确的匹配填写的最大连续标签数。
tolerance：不完全匹配的原始和新标签之间的最大距离。

返回：系列或数据框架

示例#1：使用Series.reindex_like()函数，根据其他对象对给定的系列对象进行重新索引。

# importing pandas as pd
import pandas as pd
  
# Creating the first Series
sr1 = pd.Series([10, 25, 3, 11, 24, 6])
  
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
  
# set the index
sr1.index = index_
  
# Print the series
print(sr1)
  
# Creating the second Series
sr2 = pd.Series([10, 25, 3, 11, 24, 6, 25, 45])
  
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta',
            'Dew', 'ThumbsUp', 'Mirinda', 'Appy']
  
# set the index
sr2.index = index_
  
# Print the series
print(sr2)
Python

输出 :
Python Pandas Series.reindex_like()
Python Pandas Series.reindex_like()

现在我们将使用Series.reindex_like()函数在sr1的基础上重新索引sr2系列对象。

# reindex sr2 using sr1
result = sr2.reindex_like(sr1)
  
# Print the result
print(result)
Python

输出 :

Python Pandas Series.reindex_like()
正如我们在输出中看到的，Series.reindex_like()函数已经成功地使用sr1对sr2对象进行了重新索引。注意额外的标签已经被删除。

示例#2 :使用Series.reindex_like()函数，根据其他对象重新索引给定的系列对象。

# importing pandas as pd
import pandas as pd
  
# Creating the first Series
sr1 = pd.Series(['New York', 'Chicago', 'Toronto', 'Lisbon', 'Rio'])
  
# Create the Index
index_ = ['City 1', 'City 2', 'City 3', 'City 4', 'City 5'] 
  
# set the index
sr1.index = index_
  
# Print the series
print(sr1)
  
# Creating the second Series
sr2 = pd.Series(['New York', 'Toronto', 'Lisbon', 'Rio'])
  
# Create the Index
index_ = ['City 1', 'City 3', 'City 4', 'City 5'] 
  
# set the index
sr2.index = index_
  
# Print the series
print(sr2)
Python

输出 :

Python Pandas Series.reindex_like()

Python Pandas Series.reindex_like()

现在我们将使用Series.reindex_like()函数在sr1的基础上重新索引sr2系列对象。

# reindex sr2 using sr1
result = sr2.reindex_like(sr1)
  
# Print the result
print(result)
Python

输出 :

Python Pandas Series.reindex_like()

正如我们在输出中看到的，Series.reindex_like()函数已经成功地使用sr1对sr2对象进行了重新索引。请注意，在新增加的内容中使用了NaN值。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Pandas Series

登录

找回密码？

注册