df.reindex（）和df.set_index（）方法在熊猫中的区别

Question

我对此很困惑，这很简单，但是我没有立即在StackOverflow上找到答案：

• df.set_index('xcol')使该列'xcol'成为索引（当它是df的列时）。

• df.reindex(myList)，但是从数据框外部获取索引，例如，从myList我们在其他地方定义的名为列表的索引中获取索引。

我希望这篇文章能澄清它！也欢迎添加此帖子！

Answer 1

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  b
0  1  3
1  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])，则在执行操作时将获得4.0df.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')
   b
a   
1  3
2  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)
     b
1  4.0
2  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