1. 索引和轴的变换

  1. 重新索引：Series/DataFrame.reindex(index=None, **kwargs)：

    • index：一个array-like对象，给出了新的index的label

    • method：当新的label的值缺失时，如何处理。参数值可以为：

      • None：不做任何处理，缺失地方填充NaN
      • 'backfill'/'bfill'：用下一个可用的值填充该空缺（后向填充）
      • 'pad'/'ffill'：用上一个可用的值填充该空缺（前向填充）
      • 'nearest'：用最近的可用值填充该空缺

    • copy：一个布尔值，如果为True，则返回一个新的Series对象（即使传入的index与原来的index相同）

    • level：一个整数或者name，在MultiIndex的指定级别上匹配简单索引

    • fill_value：一个标量。指定缺失值的填充数据，默认为NaN（如果该参数与method同时出现，则以method为主）

    • limit：一个整数，指定前向/后向填充时：如果有连续的k个NaN，则只填充其中limit个。它与method配合

    • tolerance：一个整数，用于给出在不匹配时，连续采用前向/后向/最近邻匹配的跨度的最大值。它与method配合

    对于DataFrame，多了关键字参数：

    • columns：一个array-like对象，给出了新的columns的label

    对于DataFrame，如果.reindex()只传入一个序列，则默认会重索引行label。如果同时重索引行label和列label，则method插值只能按照行来进行（即 0 轴）

    reindex reindex reindex

  2. 将列数据变成行索引（只对DataFrame有效，因为Series没有列索引），其中：col label变成index name，列数据变成行label：

    1.   DataFrame.set_index(keys, drop=True, append=False, inplace=False, 
    3.   verify_integrity=False)
    • keys： 指定了一个或者一列的column label。这些列将会转换为行index
    • drop：一个布尔值。如果为True，则keys对应的列会被删除；否则这些列仍然被保留
    • append：一个布尔值。如果为True，则原有的行索引将保留（此时一定是个多级索引）；否则抛弃原来的行索引。
    • inplace：一个布尔值。如果为True，则原地修改并且返回None
    • verify_integrity：一个布尔值。如果为True，则检查新的index是否有重复值。否则会推迟到检测过程到必须检测的时候。

    set_index0 set_index1

  3. reset_index会将层次化的行index转移到列中，成为新的一列。同时index 变成一个整数型的，从0开始编号：

    1.   DataFrame.reset_index(level=None, drop=False, inplace=False, 
    3.   col_level=0, col_fill='')
    5.   Series.reset_index(level=None, drop=False, name=None, inplace=False)
    • level：一个整数、str、元组或者列表。它指定了将从层次化的index中移除的level。如果为None，则移除所有的level
    • drop：一个布尔值。如果为True，则并不会插入新的列。如果为False，则插入新的列（由index，组成，其列名为'index'）。
    • inplace：一个布尔值。如果为True，则原地修改并且返回None
    • col_level：如果列索引也是多层次的，则决定插入到列索引的哪个level。
    • col_fill：如果列索引也是多层次的，则决定插入之后其他level的索引如何命名的。默认情况下就是重复该index name

    对于Series，name就是插入后，对应的列label

  4. 丢弃某条轴上的一个或者多个label：Series/DataFrame.drop(labels[, axis, level, inplace, errors]):

    • labels：单个label或者一个label序列，代表要被丢弃的label
    • axis：一个整数，或者轴的名字。默认为 0 轴
    • level：一个整数或者level名字，用于MultiIndex。因为可能在多个level上都有同名的label。
    • inplace：一个布尔值。如果为True，则原地修改并且返回None
    • errors：可以为'ignore'/'raise'

    drop

  5. DataFrame的.T方法会对DataFrame进行转置，使得行与列互换（行索引与列索引也互换） DataFrame_T

  6. 交换两个轴： DataFrame/Series.swapaxes(axis1, axis2, copy=True) swapaxes

  7. 交换多级索引的两个level：DataFrame/Series.swaplevel(i=-2, j=-1, axis=0, copy=True)

    • i/j为两个level的整数position，也可以是name字符串。 swaplevel

  8. 想修改轴label有两种方案：

    • 可以采用Index.map(mapper)方法。其中mapper是个可调用对象，它对每个label进行调用然后返回新的label。该函数返回一个新的Index对象。然后将其赋值给pandas对象的.index/.columns属性。

    • 调用.rename方法：

      1.   Series.rename(index=None, **kwargs)
      3.   DataFrame.rename(index=None, columns=None, **kwargs)

      • index/columns：一个标量、dict-like、或者一个函数。

        • 标量：修改了Series.name属性。但是对于DataFrame会抛出异常
        • dict-like或者函数：应用于对应轴的label上

      • copy：如果为True，则拷贝底层数据（此时inplace=False）

      • inplace：一个布尔值。如果为True，则原地修改，此时忽略copy参数。否则新创建对象。

    rename0 rename1