3.8　索引设置

索引能够快速查询数据，本节主要介绍索引的作用以及索引的应用。

3.8.1　索引的作用

索引的作用相当于图书的目录，可以根据目录中的页码快速找到所需的内容。Pandas索引的作用如下。

　更方便查询数据。

　使用索引可以提升查询性能。

　如果索引是唯一的，Pandas会使用哈希表优化，查找数据的时间复杂度为O(1)。

　如果索引不是唯一的，但是有序，Pandas会使用二分查找算法，查找数据的时间复杂度为O(logN)。

　如果索引是完全随机的，那么每次查询都要扫描数据表，查找数据的时间复杂度为O(N)。

　自动的数据对齐功能，示意图如图3.49所示。

图3.49　自动数据对齐示意图

实现上述效果，程序代码如下：

01 import pandas as pd
02 s1 = pd.Series([10,20,30],index= list("abc"))
03 s2 = pd.Series([2,3,4],index=list("bcd"))
04 print(s1 + s2)

　强大的数据结构。

　基于分类数的索引，提升性能。

　多维索引，用于groupby多维聚合结果等。

　时间类型索引，强大的日期和时间的方法支持。

3.8.2　重新设置索引

Pandas有一个很重要的方法是reindex()，它的作用是创建一个适应新索引的新对象。语法如下：

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

常用参数说明：

　labels：标签，可以是数组，默认值为None（无）。

　index：行索引，默认值为None。

　columns：列索引，默认值为None。

　axis：轴，axis=0表示行，axis=1表示列。默认值为None。

　method：默认值为None，重新设置索引时，选择插值（一种填充缺失数据的方法）方法，其值可以是None、bfill/backfill（向后填充）、ffill/pad（向前填充）等。

　fill_value：缺失值要填充的数据。如缺失值不用NaN填充，而用0填充，则设置fill_value=0即可。

1．对Series对象重新设置索引

【示例41】　重新设置物理成绩的索引。（示例位置：资源包\MR\Code\03\41）

在3.2.3节已经建立了一组学生的物理成绩，下面重新设置索引，程序代码如下：

01 import pandas as pd
02 s1=pd.Series([88,60,75],index=[1,2,3])
03 print(s1)
04 print(s1.reindex([1,2,3,4,5]))

运行程序，控制台输出结果对比如图3.50和图3.51所示。

图3.50　原数据

图3.51　重新设置索引

从运行结果得知：reindex()方法根据新索引进行了重新排序，并且对缺失值自动填充NaN。如果不想用NaN填充，则可以为fill_value参数指定值，如0，主要代码如下：

s1.reindex([1,2,3,4,5],fill_value=0)

而对于一些有一定顺序的数据，我们可能需要插值（插值是一种填充缺失数据的方法）来填充缺失的数据，可以使用method参数。

【示例42】　向前和向后填充数据。（示例位置：资源包\MR\Code\03\42）

向前填充（和前面数据一样）、向后填充（和后面数据一样），主要代码如下：

01 print(s1.reindex([1,2,3,4,5],method='ffill'))   #向前填充
02 print(s1.reindex([1,2,3,4,5],method='bfill'))   #向后填充

2．对DataFrame对象重新设置索引

对于DataFrame对象，reindex()方法用于修改行索引和列索引。

【示例43】　创建成绩表并重新设置索引。（示例位置：资源包\MR\Code\03\43）

通过二维数组创建成绩表，程序代码如下：

通过reindex()方法重新设置行索引，主要代码如下：

df.reindex(['mr001','mr002','mr003','mr004','mr005'])

通过reindex()方法重新设置列索引，主要代码如下：

df.reindex(columns=['语文','物理','数学','英语'])

通过reindex()方法重新设置行索引和列索引，主要代码如下：

df.reindex(index=['mr001','mr002','mr003','mr004','mr005'],columns=['语文','物理','数学','英语'])

运行程序，控制台输出结果分别为原始数据（见图3.52）、重新设置行索引（见图3.53）、重新设置列索引（见图3.54）、重新设置行、列索引（见图3.55）。

图3.52　原始数据

图3.53　重新设置行索引

图3.54　重新设置列索引

图3.55　重新设置行、列索引

3.8.3　设置某列为行索引

设置某列为行索引主要使用set_index()方法。

【示例44】　设置“买家会员名”为行索引。（示例位置：资源包\MR\Code\03\44）

首先，导入“1月.xlsx”Excel文件，程序代码如下：

运行程序，输出结果如图3.56所示。

此时默认行索引为0、1、2、3、4，下面将“买家会员名”作为行索引，主要代码如下：

df2=df.set_index(['买家会员名'])

运行程序，输出结果如图3.57所示。

图3.56　1月淘宝销售数据（部分数据）

图3.57　设置“买家会员名”为索引

如果在set_index()方法中传入参数drop=True，则会删除“买家会员名”；如果传入drop=False，则会保留“买家会员名”。默认为False。

3.8.4　数据清洗后重新设置连续的行索引

在对Dataframe对象进行数据清洗后，例如去掉含NaN的行之后，发现行索引还是原来的行索引，对比效果如图3.58和图3.59所示。

图3.58　原数据

图3.59　数据清洗后还是原来的索引

【示例45】　删除数据后重新设置索引。（示例位置：资源包\MR\Code\03\45）

如果要重新设置索引可以使用reset_index()方法，在删除缺失数据后重新设置索引，主要代码如下：

df2=df.dropna().reset_index(drop=True)

运行程序，输出结果如图3.60所示。

图3.60　数据清洗后重新设置连续的行索引

另外，对于分组统计后的数据，有时也需要重新设置连续的行索引，方法同上。