数据分析工具Pandas：reindex()重置索引的方式

　　Pandas中提供了一个重要的方法就是reindex()，该方法的作用是对原索引和新索引进行匹配，也就是说，新索引含有原索引的数据，而原索引数据按照新索引排序。如果新索引中没有原索引数据，那么程序不仅不会报错，而且会添加新的索引，并将值填充为NaN或者使用fill_vlues()填充其他值。

　　reindex()方法的语法格式如下：

DataFrame.reindex(labels=None, index=None, columns=None,
                  axis=None, method=None, copy=True, level=None,
                  fill_value=nan, limit=None, tolerance=None)

　　上述方法的部分参数含义如下：

　　(1)index：用作索引的新序列。

　　(2)method：插值填充方式。

　　(3)fill_value：引入缺失值时使用的替代值。

　　(4)limit：前向或者后向填充时的最大填充量。

　　为了能让大家更好地理解，接下来，通过一个简单的示例来演示重新索引的使用，具体代码如下。

In [19]: import pandas as pd
         ser_obj=pd.Series([1, 2, 3, 4, 5], index=['c', 'd', 'a', 'b', 'e'])
Out[19]:
c    1
d    2
a    3
b    4
e    5
dtype: int64
# 重新索引
In [20]: ser_obj2=ser_obj.reindex(['a', 'b', 'c', 'd', 'e', 'f'])
Out[20]:
a    3.0
b    4.0
c    1.0
d    2.0
e    5.0
f    NaN
dtype: float64

　　上述示例中，创建了一个ser_obj对象，并为其指定索引为“c、d、a、b、e”，接着又调用了reindex()方法对索引重新排列，变为“a、b、c、d、e、f”，由于索引“f”对应的值不存在，所以使用NaN对缺失的数据进行填充。