pandas DataFrame 赋值的注意事项说明(index)
更新时间：2021年04月07日 10:25:10 作者：ruguowoshiyu
这篇文章主要介绍了pandas DataFrame 赋值的注意事项说明(index)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
一 pandas DataFrame一列赋值问题
说明，把b的列赋值给a
情况1：a,b index设置相同
如下代码
import pandas as pd
import numpy as np
a = pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))
b = pd.DataFrame(np.array([11,22,33,44]),index=list('abcd'),columns=['m'])
a['m'] = b['m']
print(a)
上述代码结果如下
w x y z m a 0 1 2 3 11 b 4 5 6 7 22 c 8 9 10 11 33 d 12 13 14 15 44
情况一是最基本的情况，结果也符合预期，之所以符合预期是因为a,b都设有同样的index，赋值操作按照index来到。如果b不设置Index，而是使用默认的index呢？
情况2：b的index采用默认值
代码如下
import pandas as pd
import numpy as np
a = pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))
b = pd.DataFrame(np.array([11,22,33,44]),columns=['m'])
a['m'] = b['m']
print(a)
结果如下
w x y z m a 0 1 2 3 NaN b 4 5 6 7 NaN c 8 9 10 11 NaN d 12 13 14 15 NaN
情况二，结果超出了想象，b中的index为0，1，2，3与a中的index（‘a',‘b',‘c',‘d'）不同，在赋值的过程中，是按照a中的index在b中找index相同位置的值，由于index不同，因此，给a赋值为NaN
情况三 : b中的部分Index与a中的相同
代码如下
import pandas as pd
import numpy as np
a = pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))
b = pd.DataFrame(np.array([11,22,33,44]),index=list('arpb'),columns=['m'])
a['m'] = b['m']
print(a)
结果如下
w x y z m a 0 1 2 3 11.0 b 4 5 6 7 44.0 c 8 9 10 11 NaN d 12 13 14 15 NaN
由情况三结果可知，只有Index相同的行，赋值才能成功
总结：
从以上可以看出，Pandas DataFrame严格按照Index进行赋值，如果Index不同的话，则赋值为NaN
补充：python编程过程中DataFrame修改特定单元格值后原数据不变的一个解决方案
最近在参加了一个比赛，里面设计到数据清洗的工作，需要对一些异常值作出修改，往常我都是这样操作的
df[condition]['column'].iloc[0:3] = ......
或者
df[condition]['column'][0:3] = ......
里面condition代表满足条件的逻辑表达式，column表示列名
一般还是管用的，但偶尔会出现错误，主要是df[condition]这种表达在python里面是不够规范的，因此运行以后单元格容易赋值失败。在尝试了很多种方法之后，最后还是使用规范的loc或者iloc表达
df.loc[[row condition],['column']] = ......
例如：
NA.loc[[23,29,49],'北美整体规模'] = ......
或者
df.iloc[np.where(condition),[1:3]]
注意loc里面接的是具体的行列名称，iloc里面接的是满足条件的行列名称所对应的位置数字列表，切忌弄混！
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。如有错误或未考虑完全的地方，望不吝赐教。
相关文章
这篇文章主要介绍了python获取本地计算机名字的方法,涉及Python获取本地计算机信息的相关技巧,非常简单实用,需要的朋友可以参考下2015-04-04
端午节快乐，今天我将为大家带来一篇有关端午节的编程文章，希望能够为大家献上一份小小的惊喜，我们将会使用Python来实现一个与端午粽子相关的小应用程序，在本文中，我将会介绍如何用Python代码制做一个“粽子拆解器”，感兴趣的小伙伴欢迎阅读2023-06-06
这篇文章主要为大家详细介绍了PyQt5使用QTimer实现电子时钟，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-07-07
这篇文章主要为大家详细介绍了使用python3.5仿微软记事本notepad的相关资料，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2016-06-06
Python进度条神器tqdm是一个快速、可扩展的进度条工具，可以轻松地为Python脚本添加进度条。它可以在循环中自动计算进度，并在终端中显示进度条，让用户了解程序的运行情况。tqdm还支持多线程和多进程，并且可以自定义进度条的样式和显示方式。2023-06-06
最近在学习python网络编程这一块，在写简单的socket通信代码时，遇到了struct这个模块的使用，当时不太清楚这到底有和作用，后来查阅了相关资料大概了解了，这篇文章就主要介绍了Python中struct模块对字节流/二进制流的操作,需要的朋友可以参考借鉴。2017-01-01
这篇文章主要介绍了用Python实现的等差数列方式，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-12-12
这篇文章主要为大家详细介绍了Python对ElasticSearch获取数据及操作，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-04-04
解决python中安装serial及No module named ‘serial.too
这篇文章主要介绍了解决python中安装serial及No module named ‘serial.tools‘等问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-09-09
这篇文章主要介绍了python多线程采集代码例子,使用了Threading、Queue、MySQLdb等模块,需要的朋友可以参考下2014-07-07
最新评论