Python 数据帧应该嵌套吗？

我正在创建一个python脚本，它驱动一个旧的fortran代码来定位地震。我想在python脚本中改变fortran代码的输入参数，并在数据帧中记录结果以及产生结果的值。每次运行的结果也可以方便地放入一个数据帧中，这样我就有了一个嵌套的数据帧（即分配给数据帧元素的数据帧）。例如：

import pandas as pd
import numpy as np

def some_operation(row):
    results = np.random.rand(50, 3) * row['p1'] / row['p2']
    res = pd.DataFrame(results, columns=['foo', 'bar', 'rms'])
    return res

# Init master df
df_master = pd.DataFrame(columns=['p1', 'p2', 'results'], index=range(3))
df_master['p1'] = np.random.rand(len(df_master))
df_master['p2'] = np.random.rand(len(df_master))
df_master = df_master.astype(object) # make sure generic types can be used
# loop over each row, call some_operation and store results DataFrame
for ind, row in df_master.iterrows():
    df_master.loc[ind, "results"] = some_operation(row)

>>> df1 = pd.DataFrame({'a':[1, 2, 3], 'b':[4, 5, 6]})
>>> df2 = pd.DataFrame({'a':[100], 'b':[200]})
>>> df1.loc[[0], ['a', 'b']] = df2
>>> df1
     a    b
0  100  200
1    2    5
2    3    6

这引发了这一例外：

ValueError:索引器与DataFrame不兼容

但是，如果我将最后一行更改为：

df_master["results"][ind] = some_operation(row) 

我有几个问题：

当切片分配成功时，为什么.loc（和.ix）失败？如果some_操作函数返回一个列表、字典等，它似乎工作正常

数据帧应该以这种方式使用吗？我知道dtype对象在排序等方面可能非常慢，但我实际上只是使用dataframe作为一个方便的容器，因为列/索引表示法非常灵活。如果数据帧不应以这种方式使用，是否有类似的替代方案？我正在查看Panel类，但我不确定它是否适合我的应用程序。我不喜欢继续前进，将上面显示的黑客应用于某些代码，然后在未来的熊猫版本中不支持它

切片分配成功时，

.loc

（和

.ix

）为什么会失败？如果some_操作函数返回一个列表、字典等，它似乎可以正常工作

这是代码的一个奇怪的小角落。它源于这样一个事实，即如果要分配的项是一个数据帧，

loc

和

ix

假设您希望用数据帧的内容填充给定的索引。例如：

import pandas as pd
import numpy as np

def some_operation(row):
    results = np.random.rand(50, 3) * row['p1'] / row['p2']
    res = pd.DataFrame(results, columns=['foo', 'bar', 'rms'])
    return res

# Init master df
df_master = pd.DataFrame(columns=['p1', 'p2', 'results'], index=range(3))
df_master['p1'] = np.random.rand(len(df_master))
df_master['p2'] = np.random.rand(len(df_master))
df_master = df_master.astype(object) # make sure generic types can be used
# loop over each row, call some_operation and store results DataFrame
for ind, row in df_master.iterrows():
    df_master.loc[ind, "results"] = some_operation(row)

>>> df1 = pd.DataFrame({'a':[1, 2, 3], 'b':[4, 5, 6]})
>>> df2 = pd.DataFrame({'a':[100], 'b':[200]})
>>> df1.loc[[0], ['a', 'b']] = df2
>>> df1
     a    b
0  100  200
1    2    5
2    3    6

如果这种语法还允许将数据帧存储为对象，那么不难想象用户的意图是不明确的，并且不明确并不能成为一个好的API

数据帧应该以这种方式使用吗

---

只要您知道该方法的性能缺点（听起来您也知道），我认为这是一种非常适合使用数据帧的方法。例如，我见过一种类似的策略，用于将经过训练的scikit学习估计器存储在一个大的参数网格中进行交叉验证（尽管我现在还不记得这一点的确切上下文…

Ok是有意义的。我不知道你表现出的.loc fill行为。谢谢