Python 如何使用布尔掩码对数据帧的分层列进行赋值？

我有这样一个数据帧：

import pandas as pd
df = pd.DataFrame({
    "time": [1, 2, 1, 2], 
    "site": ['a', 'a', 'b', 'b'], 
    "val1": [11, 12, 21, 22],
    "val2": [101, 102, 201, 202]
})
df.set_index(['time', 'site'], inplace=True, append=False)
df = df.unstack("site")
print df

     val1     val2     
site    a   b    a    b
time                   
1      11  21  101  201
2      12  22  102  202

ix = (df.val1 > 20) | (df.val2 < 102)
df.val1[ix] = 50
df.val2[ix] = 150

我想更改一些与布尔过滤器匹配的值。e、 g:

ix = df.val1 > 20
print ix

site      a     b
time             
1     False  True
2     False  True

尝试的自然方法是

df.val1[ix]=50

。这会执行预期的赋值，但会给出一个警告：

SettingWithCopyWarning:试图在数据帧的切片副本上设置值。尝试改用.loc[row\u indexer，col\u indexer]=value

因此，现在我正在尝试使用

df.loc

实现类似的功能。但是我找不到任何方法将

df.loc

与这种布尔掩码一起使用。这似乎是因为我使用的是分层列，也就是说，如果我只有一组值（val1），我不会有太多问题。不幸的是，在层次结构列上使用布尔过滤器的赋值在本文中没有很好地介绍

我试图引用

df.loc[：，'val1'，ix]

，但这会导致

索引错误：索引器太多。我已经尝试了
df.loc[：，'val1'][ix]=50
，这是可行的，但给出了带有copywarning的
设置

我可以使用
df.val1=df.val1.where（~ix，other=50）
，但这似乎不直观、低效且不灵活（例如，无法轻松扩展以在现有值上添加10）

是否有其他基于布尔掩码的索引方法可用于为数据帧的层次列赋值

编辑以扩展问题：

我没有意识到这会是一个问题，但我实际上希望根据
val1
和
val2
列中的值进行过滤，并更改这两组列中的值，如下所示：

import pandas as pd
df = pd.DataFrame({
    "time": [1, 2, 1, 2], 
    "site": ['a', 'a', 'b', 'b'], 
    "val1": [11, 12, 21, 22],
    "val2": [101, 102, 201, 202]
})
df.set_index(['time', 'site'], inplace=True, append=False)
df = df.unstack("site")
print df

     val1     val2     
site    a   b    a    b
time                   
1      11  21  101  201
2      12  22  102  202

ix = (df.val1 > 20) | (df.val2 < 102)
df.val1[ix] = 50
df.val2[ix] = 150

ix=（df.val1>20）|（df.val2<102）
df.val1[ix]=50
df.val2[ix]=150

有没有一种简单的索引方法可以做到这一点？使用numpy ndarray非常简单，但使用pandas数据帧似乎要复杂得多。
您可以使用列表来选择列

idx = df[['val1']] > 20

idx
Out[39]: 
       val1      
site      a     b
time             
1     False  True
2     False  True

df[idx] = 50

df
Out[41]: 
     val1     val2     
site    a   b    a    b
time                   
1      11  50  101  201
2      12  50  102  202

当您首先按列名从数据帧中选择序列，然后尝试使用布尔掩码并为其赋值时，就会出现此问题。具体来说，带有布尔掩码的赋值在内部转换为提取的_数据。其中（-mask，other=value，inplace=True），这将引发设置WithCopyWarning

如果pandas能够保证这种操作会改变原始数据帧，而不是发出警告，那就太好了。（顺便说一下，如果链式操作的顺序颠倒，
df[ix][“val1”]=500
或
df[ix][[“val1”，“val2”]=500
不会发出警告，但无法更新原始数据帧）。在解决这一问题之前，有两个变通办法

（1） 受@cncggvg答案的启发：构造一个指定所有需要更新的元素的索引，而不是将两个索引操作链接在一起

# create a partial index for the boolean operation
# note: this specifies the second-level columns it will act on, but not 
# the first level, since that was given unambiguously in the df[col] expression
ix = (df["val1"] > 20) | (df["val2"] < 102)
# build an index that specifies both the first and second-level columns
ix2 = pd.concat({"val1": ix}, axis=1)
# or, to do the same assignment on multiple first-level columns:
ix2 = pd.concat({"val1": ix, "val2": ix}, axis=1)
# do the assignment in one step, with no chaining
df[ix2] = 50
# or derive new values from current values
df[ix2] = df[ix2]+50

这两者都比我想要的更麻烦，所以我可以将数据帧的相关部分复制到numpy阵列中，然后从那里开始处理它们。根据
的说法，这应该会有更好的性能。您是否可以选择将列展平？谢谢，这是对我所问问题的一个很好的回答。不幸的是，我忘了提到我还想更改val2列中的相应条目，类似于
ix=（df.val1>20）|（df.val2>200）；df.val1[ix]=50；df.val2[ix]=150
。你知道怎么做吗？用标准的numpy Ndaray很简单，但在熊猫身上似乎更棘手。