在pandas中，df.reindex()和df.set_index()方法有什么区别？

Question

我对这个问题感到困惑，虽然很简单，但我在StackOverflow上没有立即找到答案：

• df.set_index('xcol') 将列'xcol'变为索引（当它是df的一列时）。

• df.reindex(myList) 从数据框外部获取索引，例如从另一个名为myList的列表中定义。

但是，df.reindex(myList) 还会将值更改为NAs。一个简单的替代方法是： df.index = myList

希望这篇文章能够澄清它！本文也欢迎补充！

- Ricardo Guerreiro

Answer 1

您可以在一个简单的例子中看到差异。让我们考虑这个数据框：

df = pd.DataFrame({'a': [1, 2],'b': [3, 4]})
print (df)
   a  b
0  1  3
1  2  4

索引值现在是0和1。

如果您使用set_index函数并选择列“a”，那么索引值将变为1和2。如果您执行df.set_index('a').loc[1,'b']，您将会得到3。

现在，如果您想要使用reindex函数，并且使用相同的索引值1和2，例如df.reindex([1,2])，那么当您执行df.reindex([1,2]).loc[1,'b']时，将会得到4.0。

发生的事情是set_index函数已经用列'a'的值替换了先前的索引值(0,1)，而不影响列'b'中的数值顺序。

df.set_index('a')
   b
a   
1  3
2  4

当reindex改变索引时，会保留列'b'中的值与原始数据框中的索引相关联。

df.reindex(df.a.values).drop('a',1) # equivalent to df.reindex(df.a.values).drop('a',1)
     b
1  4.0
2  NaN
# drop('a',1) is just to not care about column a in my example

最后，reindex 会改变索引的顺序，但不会改变与每个索引相关联的行的值，而 set_index 会使用一列的值更改索引，而不会触及数据框中其他值的顺序。

- Ben.T

---

很棒的解释！ - prosti

简单的使用说明，pandas建议使用at而不是loc进行单元格索引：df.at[1, 'b']。Loc通常用于访问范围。 - ntjess

Answer 2

补充一下，set_index 的撤销方法就是使用 reset_index 方法（或多或少）：

df = pd.DataFrame({'a': [1, 2],'b': [3, 4]})
print (df)

df.set_index('a', inplace=True)
print(df)

df.reset_index(inplace=True, drop=False)
print(df)

---

   a  b
0  1  3
1  2  4
   b
a   
1  3
2  4
   a  b
0  1  3
1  2  4

- prosti

Answer 3

除了Ben. T的出色回答外，我想再举一个例子，说明在将索引列重新索引和设置索引时它们之间的区别。

import pandas as pd
import numpy as np
testdf = pd.DataFrame({'a': [1, 3, 2],'b': [3, 5, 4],'c': [5, 7, 6]})

print(testdf)
print(testdf.set_index(np.random.permutation(testdf.index)))
print(testdf.reindex(np.random.permutation(testdf.index)))

输出：

• 使用set_index函数，当索引列（第一列）被洗牌时，其他列的顺序保持不变。
• 使用reindex函数，行的顺序会根据索引列的洗牌而相应地改变。

   a  b  c
0  1  3  5
1  3  5  7
2  2  4  6
   a  b  c
1  1  3  5
2  3  5  7
0  2  4  6
   a  b  c
2  2  4  6
1  3  5  7
0  1  3  5

- Long