Numpy np.array'；s aType是否阻止将来在数据帧中进行编辑？

我可以首先更改数据帧的第一个条目：

In [6]: df = pd.DataFrame(np.random.rand(5,2))
In [7]: df
Out[7]:
          0         1
0  0.514592  0.459589
1  0.329704  0.409099
2  0.061246  0.966191
3  0.336747  0.908513
4  0.169220  0.468437

In [8]: df.ix[0][0] = 1
In [9]: df
Out[9]:
          0         1
0  1.000000  0.459589
1  0.329704  0.409099
2  0.061246  0.966191
3  0.336747  0.908513
4  0.169220  0.468437

但在我这样做之后：

In [10]: df[0] = np.floor(df.index / 10).astype(int) * 10
In [11]: df
Out[11]:
   0         1
0  0  0.459589
1  0  0.409099
2  0  0.966191
3  0  0.908513
4  0  0.468437

我找不到办法改变它

In [12]: df.ix[0][0] = 1
In [13]: df
Out[13]:
   0         1
0  0  0.459589
1  0  0.409099
2  0  0.966191
3  0  0.908513
4  0  0.468437

我甚至不能更改其他列中的元素

In [16]: df.ix[0][1] = 1

In [17]: df
Out[17]:
   0         1
0  0  0.459589
1  0  0.409099
2  0  0.966191
3  0  0.908513
4  0  0.468437

---

这是怎么回事？

您正在编辑副本，请再试一次

In [3]: df = pd.DataFrame(np.random.rand(5,2))

In [4]: df[0] = np.floor(df.index / 10).astype(int) * 10

In [5]: df
Out[5]: 
   0         1
0  0  0.201611
1  0  0.390364
2  0  0.727422
3  0  0.941035
4  0  0.036764

In [6]: df.ix[0,1] = 1

In [7]: df
Out[7]: 
   0         1
0  0  1.000000
1  0  0.390364
2  0  0.727422
3  0  0.941035
4  0  0.036764

---

有趣的是，

.ix

是改变它的唯一方法吗？您知道为什么单独使用

[colname]

访问列只会得到一个副本吗？

[]

将数据帧中的行切片，请参见，colname访问是一种方便的功能，它将底层序列作为副本返回，请参见，但是为什么colname访问会使用输入8和10更改

df

，在

astype

赋值之前，如果colname access只返回一个副本，但在那之后（输入12和16）不改变

df

。嗯，这可能只是取决于numpy想做什么

。ix

将返回一个视图或副本，这取决于numpy，这实际上意味着内存中的布局是问题。在astype之前，这是一个数据类型，所以是一个内存块，所以你得到一个视图，在astype之后，一些东西被复制（通过numpy），所以你不能再得到一个视图，所以你得到一个副本，很奇怪，但它不提供“保证”。如果使用

ix[row，col]=value

语法，可以避免整个问题（或者在0.11中，

loc[row，col]

和

iloc[row\u number，col\u number]

）