Метод reindex_like

Метод reindex_like применяется к DataFrame и изменяет его индексы строк и столбцов так, чтобы они совпадали с индексами другого переданного DataFrame. Это удобно, когда нужно привести несколько таблиц к единой структуре индексов перед операциями сложения или вычитания. Если в исходной таблице отсутствуют какие-то индексы или столбцы, для них будут вставлены значения NaN.

Первым параметром передается другой DataFrame, чьи индексы будут использованы в качестве эталона. Также можно передать дополнительные параметры, такие как method для способа заполнения пропусков, copy для управления копированием данных и limit для ограничения количества заполнений.

Синтаксис

df.reindex_like(other_df[, method='fill', copy=True, limit=None])

Пример

Пусть у нас есть две таблицы с разными индексами строк и столбцов. Приведем индексы первой таблицы в соответствие со второй:

import pandas as pd

df1 = pd.DataFrame({
	'a': [1, 2, 3],
	'b': [4, 5, 6]
}, index=[0, 1, 2])

df2 = pd.DataFrame({
	'b': [10, 20],
	'c': [30, 40]
}, index=[1, 3])

res = df1.reindex_like(df2)
print(res)

Результат выполнения кода:

   a   b
	1  2.0   5
	3  NaN NaN

Как видим, у результирующей таблицы индексы стали [1, 3], столбцы ['a', 'b']. Для индекса 3 по столбцам a и b были вставлены значения NaN, так как в исходной таблице такой строки не было. Для индекса 1 значения сохранились.

Пример

Если индексы столбцов не совпадают, то в результирующей таблице появятся только те столбцы, которые есть в эталонной таблице:

import pandas as pd

df1 = pd.DataFrame({
	'a': [1, 2, 3, 4],
	'b': [5, 6, 7, 8],
	'c': [9, 10, 11, 12]
})

df2 = pd.DataFrame({
	'b': [100, 200],
	'd': [300, 400]
})

res = df1.reindex_like(df2)
print(res)

Результат выполнения кода:

   b   d
	0  5.0 NaN
	1  6.0 NaN

Из исходной таблицы были взяты только две первых строки (поскольку в эталонной таблице два индекса), и только столбец b, так как столбца d в исходной таблице нет.

Пример

Параметр method позволяет заполнять пропуски значениями из ближайших индексов. Например, используем метод ffill (forward fill) для заполнения пропусков сверху вниз:

import pandas as pd

df1 = pd.DataFrame({
	'a': [1, 2, 3, 4],
	'b': [5, 6, 7, 8]
}, index=[0, 1, 2, 3])

df2 = pd.DataFrame({
	'a': [10, 20],
	'b': [30, 40]
}, index=[1, 3])

res = df1.reindex_like(df2, method='ffill')
print(res)

Результат выполнения кода:

   a  b
	1  2.0  6
	3  4.0  8

Индексы 1 и 3 присутствуют в исходной таблице, поэтому значения остались без изменений. Если бы были пропуски, они бы заполнились предыдущими значениями.

Пример

Также можно использовать параметр fill_value для замены пропусков конкретным значением, например 0:

import pandas as pd

df1 = pd.DataFrame({
	'a': [1, 2, 3],
	'b': [4, 5, 6]
}, index=[0, 1, 2])

df2 = pd.DataFrame({
	'a': [10, 20, 30],
	'b': [40, 50, 60],
	'c': [70, 80, 90]
}, index=[1, 2, 4])

res = df1.reindex_like(df2, fill_value=0)
print(res)

Результат выполнения кода:

   a  b  c
	1  2.0  5  0
	2  3.0  6  0
	4  0.0  0  0

Все отсутствующие значения были заменены на 0. Столбец c полностью заполнен нулями, так как его нет в исходной таблице.

Смотрите также

метод reindex,
который изменяет индексы по заданным спискам
метод align,
который выравнивает два объекта по индексам одновременно
метод combine_first,
который заполняет пропуски значениями из другого объекта
метод fillna,
который заполняет пропуски в таблице указанным способом