pandas.Series.reindex_like

Series.reindex_like(other, method=None, copy=True, limit=None, tolerance=None) [source]

Возвращает объект с совпадающими индексами, как у другого объекта.

Приводит объект к одному и тому же индексу по всем осям. Необязательная логика заполнения, помещающая NaN в места, не имеющие значения в предыдущем индексе. Новый объект создается, только если новый индекс эквивалентен текущему, и copy=False.

Параметры:

other : Object of the same data type Его индексы строк и столбцов используются для определения новых индексов этого объекта. method : {None, ‘backfill’/’bfill’, ‘pad’/’ffill’, ‘nearest’} Метод, используемый для заполнения пропусков в повторно индексируемой таблице DataFrame. Обратите внимание: это применимо только к DataFrame/Series с монотонно возрастающим/убывающим индексом. None (по умолчанию): не заполнять пробелы pad / ffill: распространять последнее действительное наблюдение вперёд до следующего действительного backfill / bfill: использовать следующее действительное наблюдение для заполнения пробела nearest: использовать ближайшие действительные наблюдения для заполнения пробела copy : bool, default True Возвращает новый объект, даже если переданные индексы одинаковые. limit : int, default None Максимальное количество последовательных меток для заполнения при неточных совпадениях. tolerance : optional Максимальное расстояние между исходными и новыми метками для неточных совпадений. Значения индекса в соответствующих местах наиболее удовлетворяют уравнению abs(index[indexer] - target) <= tolerance. Допуск может быть скалярным значением, которое применяет один и тот же допуск ко всем значениям, или спископодобным, которое применяет переменный допуск к каждому элементу. Список-подобное включает список, кортеж, массив, Series и должен иметь тот же размер, что и индекс, и его тип данных должен точно соответствовать типу индекса. Введено в версии 0.21.0: (спископодобный допуск)

Возвращает:

Series или DataFrame Тип, совпадающий с вызывающим объектом, но с изменёнными индексами на каждой оси.

См. также

DataFrame.set_index

Установить метки строк.

DataFrame.reset_index

Удалить метки строк или перенести их в новые столбцы.

DataFrame.reindex

Изменить на новые индексы или расширить индексы.

Примечания

То же самое, что вызов .reindex(index=other.index, columns=other.columns,...).

Примеры

>>> df1 = pd.DataFrame([[24.3, 75.7, 'high'],
...                     [31, 87.8, 'high'],
...                     [22, 71.6, 'medium'],
...                     [35, 95, 'medium']],
...     columns=['temp_celsius', 'temp_fahrenheit', 'windspeed'],
...     index=pd.date_range(start='2014-02-12',
...                         end='2014-02-15', freq='D'))

>>> df1
            temp_celsius  temp_fahrenheit windspeed
2014-02-12          24.3             75.7      high
2014-02-13          31.0             87.8      high
2014-02-14          22.0             71.6    medium
2014-02-15          35.0             95.0    medium

>>> df2 = pd.DataFrame([[28, 'low'],
...                     [30, 'low'],
...                     [35.1, 'medium']],
...     columns=['temp_celsius', 'windspeed'],
...     index=pd.DatetimeIndex(['2014-02-12', '2014-02-13',
...                             '2014-02-15']))

>>> df2
            temp_celsius windspeed
2014-02-12          28.0       low
2014-02-13          30.0       low
2014-02-15          35.1    medium

>>> df2.reindex_like(df1)
            temp_celsius  temp_fahrenheit windspeed
2014-02-12          28.0              NaN       low
2014-02-13          30.0              NaN       low
2014-02-14           NaN              NaN       NaN
2014-02-15          35.1              NaN    medium