Pandas 为什么数据帧和它的列之间存在这种不一致？

在调试代码中的一个严重错误时，我遇到了这样一个问题：数据帧的工作方式不一致（使用pandas=1.0.3）：

然后我尝试在

y

中添加一列（忘记了

y

是一个系列，而不是一个数据帧）：

我现在意识到这给这个系列增加了一个奇怪的行<代码>y现在是：

0                                                   11
1                                                   11
2                                                   11
3                                                   11
d    0     0
1    10
2    20
3    30
Name: d, dtype...
Name: k, dtype: object

但奇怪的是现在：

>>> df.shape, df['k'].shape
((4, 4), (5,))

和

df

和

df['k']

看起来像：

 d   k  c1  c2
0   0  11  22  33
1  10  11  22  33
2  20  11  22  33
3  30  11  22  33

及

---

这里有几件事在起作用：

• 熊猫系列可以存储任意类型的对象

• y['d']=\uu

  向名为

  'd'

  的系列

  y

  中添加一个新对象

• 因此，

  y['d']=df['d']

  向名为

  'd'

  的序列

  y

  添加一个新对象，值为序列

  df['d']

因此，您添加了一个系列作为系列的最后一个条目

y

。你可以核实一下

• （y['d']==y.iloc[-1]）。all（）==True

  和

• （y.iloc[-1]==df['d']）。all（）==True

为了澄清

df

和

df.k

之间的不一致性：请注意

df.k

、

df['k']

或

df.loc[：，'k']

返回列

k

的系列“视图”，因此，向系列添加条目将直接将其附加到此视图。但是，

df.k

显示整个序列，而

df

仅显示序列的最大长度

df.shape[0]

。因此出现了不一致的行为

---

我同意这种行为容易出现错误，应该加以纠正。查看与复制是许多问题的常见原因。在这种情况下，

df.iloc[：，1]

的行为正确，应该使用它来代替。

是的，我现在知道了。我感到惊讶的是，现在

df

和

df['k']

不同步；或者，更好的是，它被允许不同步。接得好。这是因为

df['k'，df.k，df.loc（）

是视图，而不是副本。我同意这里的行为似乎有问题。

df

的视图应限制为最大长度

df.shape[0]

。您可能希望在github上提出此问题。@user21338如果您打开问题，请注意使用更直接的示例来说明原因。这将有助于人们更快地注意到并解决问题。也许我是这样做的，但我认为我的例子足够简单。请问，您将如何简化它？@user21338例如，

y['new\u name']='new\u value'

。因此，代码是自我解释的，感兴趣的问题从

y

中奇怪的输入值中分离出来。至少对我来说是这样，我知道更有经验的人会有更简单的方式来清楚地表达这个问题。

>>> df.shape, df['k'].shape
((4, 4), (5,))

 d   k  c1  c2
0   0  11  22  33
1  10  11  22  33
2  20  11  22  33
3  30  11  22  33

0                                                   11
1                                                   11
2                                                   11
3                                                   11
d    0     0
1    10
2    20
3    30
Name: d, dtype...
Name: k, dtype: object