重新索引数据框会用NaN替换掉所有数据，为什么？

Question

我在研究Pandas的一些命令时，遇到了一个问题：当我使用reindex命令时，我的数据被NaN值所替换。下面是我的代码：

>>>import pandas as pd

>>>import numpy as np

>>>frame1=pd.DataFrame(np.arange(365))

然后，我为它的日期赋予了一个索引：

>>>frame1.index=pd.date_range(pd.datetime(2017, 4, 6), pd.datetime(2018, 4, 5))

然后我重新索引：

>>>broken_frame=frame1.reindex(np.arange(365))

我的所有值都被清除了。这个例子并不特别有用，但每次我使用重新索引命令时，无论上下文如何，它都会发生。同样地，当我尝试连接两个数据框架时：

>>>big_frame=frame1.join(pd.DataFrame(np.arange(365)), lsuffix='_frame1')

在连接帧之前，被连接的帧中所有值（np.arange(365)）都被替换为NaN。如果我必须猜测的话，我会说这是因为第二个帧在连接过程中被重新索引，而重新索引会擦除我的值。

这里到底发生了什么？

- Jacob

Answer 1

文档中的原话

将DataFrame对象转换为新索引，可选择插入逻辑，并在先前索引中没有值的位置放置NA/NaN。除非新索引等同于当前索引且copy=False，否则会产生新对象。

以上强调为本人所加。

您可以使用 set_index 方法。

frame1.set_index(np.arange(365))

或者做你一开始做的事情

frame1.index = np.arange(365)

- piRSquared

---

谢谢你的帮助！不过我还是不太明白你强调的那部分是什么意思。"在前一个索引中没有值的位置放置NaN" 对我来说似乎并不适用，因为在重新索引之前，我的所有位置都有值。这也无法解释.join()的问题。再次感谢！ - Jacob

@Jacob，你的问题是“为什么重新索引会用NaN替换？”。强调的文本是解释原因的。它被明确设计成这样做的。所以你的问题在文档中已经得到了确切的回答。然而，我猜想reindexing并不是你想要的。你实际上想要使用set_index。 - piRSquared

Answer 2

我觉得之前的回答并没有回答到问题，所以我来补充一下。

关键在于，初始数据框的索引必须与重新索引的索引相同，这样才能起作用。 甚至名称也必须相同！因此，如果你的新MultiIndex没有名称，那么你的初始数据框也必须没有名称。

m = pd.MultiIndex.from_product([df['col'].unique(), 
                                pd.date_range(df.date.min(), 
                                              df.date.max() + 
                                              pd.offsets.MonthEnd(1), 
                                              freq='M')])
df = df.set_index(['col','date']).rename_axis([None,None])
df.reindex(m)

然后您将保留初始数据值并重新索引数据框。

- conv3d