为什么重新索引 pandas DataFrame 会给我一个空的 DataFrame？

Question

我有一个包含美国城市信息的数据集，我想给它一个包含州和城市的两级索引。我一直在尝试在类似这样的文档中使用 MultiIndex 方法。

lists = [list(df['state'],list(df['city'])]
tuples = list(zip(*lists))
index = pd.MultiIndex.from_tuples(tuples)
new_df = pd.DataFrame(df,index=index)

输出是一个具有正确索引的新 DataFrame，但它充满了 np.nan 值。知道发生了什么吗？

Answer 1

当您使用新索引重新索引 DataFrame 时，Pandas 大致运行 方式如下：

• 迭代当前索引。
• 检查该索引值是否出现在新索引中。
• 从“旧”（现有）行中，仅保留具有索引值的行 出现在新索引中。
• 可以对行进行重新排序，以与新行的顺序保持一致 索引。
• 如果新索引包含 DataFrame 中不存在的值，则 对应的行只有 NaN 值。

也许您的 DataFrame 最初有一个“标准”索引（一个序列 从 0 开始的整数）？ 在这种情况下，新索引中不存在旧索引的项 index（实际上是 MultiIndex），因此生成的 DataFrame 有 所有行都充满了 NaNs。

也许您应该将索引设置为感兴趣的两列， 即运行：

df.set_index(['state', 'city'], inplace=True)