Python 是否在熊猫（DataFrame）中完成索引和列？_Python_Pandas

Python 是否在熊猫（DataFrame）中完成索引和列？

python pandas

Python 是否在熊猫（DataFrame）中完成索引和列？,python,pandas,Python,Pandas,这是一个数据表 a = pd.DataFrame({'a':np.arange(10)}, index=np.arange(0,20,2)) # then I can create new dataframe and complete the index. b = pd.DataFrame(index=np.arange(20)) b['a'] = a # Now convert the index np.arange(0,20,2) to np.arange(20). Fill noexist

这是一个数据表

a = pd.DataFrame({'a':np.arange(10)}, index=np.arange(0,20,2))
# then I can create new dataframe and complete the index.
b = pd.DataFrame(index=np.arange(20))
b['a'] = a
# Now convert the index np.arange(0,20,2) to np.arange(20). Fill noexists value by np.nan.

但我怎样才能用同样的方法来编辑这个专栏呢？假设列的数据类型为int32，名称为np.arange（0,20,2）。

您似乎需要：

还可以重新索引列：

a.columns = [0]
print (a.reindex(index=b.index, columns=np.arange(0,20,2)))
     0   2   4   6   8   10  12  14  16  18
0   0.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
1   NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
2   1.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
3   NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
4   2.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
5   NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
6   3.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
7   NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
8   4.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
9   NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
10  5.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
11  NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
12  6.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
13  NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
14  7.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
15  NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
16  8.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
17  NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
18  9.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
19  NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN

我不明白你想要达到什么，你能举个例子说明你想要的结果吗？@lascort谢谢，问题解决了。

a.columns = [0]
print (a.reindex(index=b.index, columns=np.arange(0,20,2)))
     0   2   4   6   8   10  12  14  16  18
0   0.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
1   NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
2   1.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
3   NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
4   2.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
5   NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
6   3.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
7   NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
8   4.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
9   NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
10  5.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
11  NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
12  6.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
13  NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
14  7.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
15  NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
16  8.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
17  NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
18  9.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN
19  NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN