本节介绍索引的调整与重构方法，包括索引对齐、重建、过滤与类型选择。
1. reindex() / reindex_like()
reindex()
reindex() 按新索引标签重新排列数据。新索引中不存在的标签以 NaN 填充（或用 fill_value、前向/后向填充）。
s = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
# 重新排列索引
s.reindex(['c', 'a', 'b'])
# c 30
# a 10
# b 20
# 新增标签出现 NaN
s.reindex(['a', 'b', 'c', 'd'])
# a 10.0
# b 20.0
# c 30.0
# d NaN
# 指定填充值
s.reindex(['a', 'b', 'c', 'd'], fill_value=0)DataFrame reindex
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=['x', 'y', 'z'])
# 重对齐行索引
df.reindex(['z', 'y', 'x'])
# 重对齐列
df.reindex(columns=['B', 'A', 'C'])
# 行列同时
df.reindex(index=['z', 'y'], columns=['A', 'C'])
# 用 axis 参数
df.reindex(['z', 'x'], axis=0)reindex() 参数
| 参数 | 说明 |
|---|---|
labels | 新索引标签（数组） |
index / columns | 指定轴的新索引 |
axis | 轴（0 / 行，1 / 列） |
method | 填充方法：None、'ffill'、'bfill'、'nearest' |
fill_value | 缺失位置填充值（默认 NaN） |
limit | 填充的最大连续次数 |
copy | 是否复制数据 |
tolerance | 填充匹配的容忍度（method='nearest' 时） |
# 前向填充
s2 = pd.Series([1, 2, 3], index=[0, 1, 2])
s2.reindex([0, 1, 2, 3, 4], method='ffill')
# 0 1.0
# 1 2.0
# 2 3.0
# 3 3.0
# 4 3.0
# 时间索引的 reindex（时间序列对齐）
dates = pd.date_range('2024-01-01', periods=3, freq='D')
s3 = pd.Series([1, 2, 3], index=dates)
new_dates = pd.date_range('2024-01-01', periods=5, freq='D')
s3.reindex(new_dates, method='ffill')reindex_like()
reindex_like() 按另一个对象的索引对齐自身。
df1 = pd.DataFrame({'A': [1, 2]}, index=['a', 'b'])
df2 = pd.DataFrame({'B': [10, 20, 30]}, index=['a', 'b', 'c'])
# 使 df1 的行和列与 df2 对齐
df1.reindex_like(df2)
# A B
# a 1.0 NaN
# b 2.0 NaN
# c NaN NaN
# 只对齐列
df1.reindex_like(df2[['B']])2. set_index() / reset_index()
set_index()
set_index() 将一列或多列设为索引。
df = pd.DataFrame({
'ID': [101, 102, 103],
'姓名': ['张三', '李四', '王五'],
'城市': ['北京', '上海', '北京']
})
# 单列设索引
df.set_index('ID')
# 多列设为 MultiIndex
df.set_index(['城市', 'ID'])
# 姓名
# 城市 ID
# 北京 101 张三
# 上海 102 李四
# 北京 103 王五
# 保留原列（drop=False）
df.set_index('ID', drop=False)
# 追加为第二层级（append=True）
df.set_index('城市', append=True)set_index() 参数
| 参数 | 说明 |
|---|---|
keys | 列名或列名列表（也可为数组、Index 对象） |
drop | 是否删除设为索引的原列（默认 True） |
append | 是否附加到现有索引（创建 MultiIndex） |
inplace | 是否原地修改 |
verify_integrity | 检查新索引是否唯一 |
# 使用 Series 或数组设置索引
df.set_index(pd.Index(['a', 'b', 'c']))
df.set_index(pd.Series([1, 2, 3], name='编号'))reset_index()
reset_index() 将索引（一层或多层）转换为列，或完全重置为默认整数索引。
# 默认重置为 RangeIndex，原索引变为普通列
df.index.name = '旧索引'
df.reset_index()
# 旧索引 A B
# 0 a 1 4
# 1 b 2 5
# 删除原索引（不保留列）
df.reset_index(drop=True)
# 只重置 MultiIndex 的指定层级
mi_df = df.set_index(['城市', 'ID'])
mi_df.reset_index(level='城市')
mi_df.reset_index(level=1) # 按层级整数reset_index() 参数
| 参数 | 说明 |
|---|---|
level | 要重置的层级（None 表示全部，可指定名称或编号） |
drop | 是否丢弃原索引（默认 False，转为列） |
inplace | 是否原地修改 |
col_level | 在 MultiIndex 列中写入索引层级的位置 |
col_fill | 索引转为列时，列是 MultiIndex 时的填充名称 |
# 分组聚合后的常用操作
result = df.groupby('城市')['销售额'].sum()
result.reset_index() # 将分组键转回列3. align()
align() 将两个对象按索引对齐，返回对齐后的两个对象（支持多种连接方式）。
df1 = pd.DataFrame({'A': [1, 2]}, index=['a', 'b'])
df2 = pd.DataFrame({'B': [10, 20, 30]}, index=['a', 'b', 'c'])
# 外连接（默认）：并集，缺失填充 NaN
left, right = df1.align(df2)
# left:
# A B
# a 1.0 NaN
# b 2.0 NaN
# c NaN NaN
# 内连接：交集
left_inner, right_inner = df1.align(df2, join='inner')
# 左连接：以左对象索引为准
left, right = df1.align(df2, join='left')
# 右连接：以右对象索引为准
left, right = df1.align(df2, join='right')
# 填充值
left, right = df1.align(df2, fill_value=0)
# 沿列对齐
left, right = df1.align(df2, axis=1)align() 参数
| 参数 | 说明 |
|---|---|
other | 要对齐的另一个对象 |
join | 'outer'（默认）、'inner'、'left'、'right' |
axis | 对齐轴（None 表示所有轴） |
level | MultiIndex 对齐层级 |
copy | 是否复制数据 |
fill_value | 对齐后缺失值填充 |
align 与 reindex 的区别
reindex：显式指定新索引align：基于两个对象的索引自动对齐（返回两个对象）
4. get()
get() 是安全的标签取值方法，标签不存在时返回默认值而非抛出异常。
df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df.get('A') # 返回 A 列（Series）
df.get('X') # None（不存在）
df.get('X', default=0) # 0
# Series
s = pd.Series([10, 20], index=['a', 'b'])
s.get('a') # 10
s.get('z') # None
s.get('z', -1) # -1| 方法 | 不存在时行为 |
|---|---|
df['col'] | 抛出 KeyError |
df.get('col') | 返回 None 或指定 default |
df.loc['row'] | 抛出 KeyError |
df.reindex(...) | 填充 NaN |
5. filter()
filter() 按索引标签进行过滤（默认对列），适合按名称模式选择列/行。
参数
| 参数 | 说明 |
|---|---|
items | 精确标签列表：df.filter(items=['A', 'C']) |
like | 模糊匹配：df.filter(like='sale') |
regex | 正则匹配：df.filter(regex='^a') |
axis | 轴：0 = 行，1 = 列（默认） |
df = pd.DataFrame({
'sales_2023': [100, 200],
'sales_2024': [150, 250],
'profit_2024': [30, 50]
})
# 精确选择
df.filter(items=['sales_2023'])
# 模糊匹配（包含字符串）
df.filter(like='sales')
# 正则匹配
df.filter(regex='^sales')
df.filter(regex='2024$')
# 按行过滤
df.filter(like='0', axis=0)注意
items、like、regex可同时指定，pandas 会合并匹配结果（取交集）。但语义容易混淆，建议一次只使用一种。
与布尔索引对比
df[df.columns[df.columns.str.contains('sale')]]等价于df.filter(like='sale')。filter更简洁。
6. select_dtypes()
select_dtypes() 按数据类型选择列，常用于数据清洗阶段。
df = pd.DataFrame({
'int_col': [1, 2, 3],
'float_col': [1.1, 2.2, 3.3],
'str_col': ['a', 'b', 'c'],
'bool_col': [True, False, True],
'date_col': pd.date_range('2024-01-01', periods=3)
})
# 选择数值列
df.select_dtypes(include='number')
# int_col float_col
# 选择整数列
df.select_dtypes(include='int')
# 排除字符串列
df.select_dtypes(exclude='object')
# 选择多种类型
df.select_dtypes(include=['int', 'float'])
# 包含时间类型
df.select_dtypes(include='datetime64')
# 排除数值列（保留其他）
df.select_dtypes(exclude='number')
# 指定 pandas 扩展类型
df2 = df.astype({'int_col': 'Int64', 'str_col': 'string'})
df2.select_dtypes(include='Int64')
df2.select_dtypes(include='string')include / exclude 常用值
| 类型 | 说明 |
|---|---|
'number' | 所有数值类型（int、float、complex） |
'int' | 整数类型 |
'float' | 浮点类型 |
'bool' | 布尔类型 |
'object' | object 类型 |
'datetime64' | 日期时间类型 |
'timedelta64' | 时间差 |
'category' | 分类类型 |
'string' | pandas StringDtype |
'Int64' | 可空整数扩展类型 |
'boolean' | 可空布尔扩展类型 |
典型用途
- 对数值列统一做
describe()/ 标准化- 批量将字符串列转为
category- 排除非数值列后计算相关性