reindex方法用于重新为Pandas对象设置新索引。这不是就地修改，而是会参照原有数据，调整顺序。
In [96]: obj=pd.Series([4.5,7.2,-5.3,3.6],index = ['d','b','a','c']) In [97]: obj Out[97]: d 4.5 b 7.2 a -5.3 c 3.6 dtype: float64
reindex会按照新的索引进行排列，不存在的索引将引入缺失值：
In [99]: obj2 = obj.reindex(list('abcde'))
In [100]: obj2
Out[100]:
a -5.3
b 7.2
c 3.6
d 4.5
e NaN
dtype: float64
也可以为缺失值指定填充方式method参数，比如ffill表示向前填充，bfill表示向后填充：
In [101]: obj3 = pd.Series(['blue','purple','yellow'],index = [0,2,4]) In [102]: obj3 Out[102]: 0 blue 2 purple 4 yellow dtype: object In [103]: obj3.reindex(range(6),method='ffill') Out[103]: 0 blue 1 blue 2 purple 3 purple 4 yellow 5 yellow dtype: object
对于DataFrame这种二维对象，如果执行reindex方法时只提供一个列表参数，则默认是修改行索引。可以用关键字参数columns指定修改的是列索引：
In [104]: f = pd.DataFrame(np.arange(9).reshape((3,3)),index=list('acd'),columns=['beijing','shanghai','guangzhou'])
In [105]: f
Out[105]:
beijing shanghai guangzhou
a 0 1 2
c 3 4 5
d 6 7 8
In [106]: f2 = f.reindex(list('abcd'))
In [107]: f2
Out[107]:
beijing shanghai guangzhou
a 0.0 1.0 2.0
b NaN NaN NaN
c 3.0 4.0 5.0
d 6.0 7.0 8.0
In [112]: f3 = f.reindex(columns=['beijing','shanghai','xian','guangzhou'])
In [113]: f3
Out[113]:
beijing shanghai xian guangzhou
a 0 1 NaN 2
c 3 4 NaN 5
d 6 7 NaN 8
reindex()理解成"索引重排"貌似更好理解。