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。