df.reindex（）和df.set_index（）方法在熊猫中的区别

df.reindex（）和df.set_index（）方法在熊猫中的区别

您可以通过一个简单的示例看到差异。让我们考虑以下数据帧：

df = pd.Dataframe({'a': [1, 2],'b': [3, 4]})print (df)   a  b0  1  31  2  4

索引则为0和1

如果

set_index

与列“ a”一起使用，则索引为1和2。如果这样做

df.set_index('a').loc[1,'b']

，则得到3。

现在，如果您要使用

reindex

相同的索引1和2（例如）

df.reindex([1,2])

，则在执行 *** 作时将获得4.0

df.reindex([1,2]).loc[1,'b']

发生的事情是，

set_index

用（1,2）（“ a”列中的值）替换了先前的索引（0,1），而没有触及“ b”列中的值的顺序

df.set_index('a')   ba   1  32  4

同时

reindex

更改索引，但将与原始df中的索引关联的列“ b”中的值保留

df.reindex(df.a.values).drop('a',1) # equivalent to df.reindex(df.a.values).drop('a',1)     b1  4.02  NaN# drop('a',1) is just to not care about column a in my example

最后，

reindex

在不更改与每个索引相关联的行的值的情况下更改索引的顺序，同时

set_index

将使用列的值更改索引，而无需触及数据框中其他值的顺序