Python 使用具有列表理解的iloc设置值

我试图使用列表理解来迭代数据帧，并使用iloc为位置设置一个新值。我已经确认它正在正确地迭代

import pandas as pd
import numpy as np

df = pd.DataFrame([np.arange(10)]*10)

#working
for i in range(10):
    for j in range(10):
        df.iloc[i,j] = 0+i

#not working 
[df.iloc[i,j] = 5 for i in range(10) for j in range(10)]

---

有人能解释一下为什么上述方法不起作用吗？否则会怎么样？

这不起作用，因为列表理解需要在最左边的位置使用Python表达式

[df.iloc[i,j] = 5 for i in range(10) for j in range(10)]
 ^^^^^^^^^^^^^^^^
# This is a statement, not an expression.

这是Python语言语法的结果，在这里正式指定：

我想，你可以重写它来使用高级索引。为清晰起见，对行和列使用不同的尺寸：

import pandas
import numpy

df = pandas.DataFrame([numpy.arange(4)]*7)

之后的

df

为：

   0  1  2  3
0  0  1  2  3
1  0  1  2  3
2  0  1  2  3
3  0  1  2  3
4  0  1  2  3
5  0  1  2  3
6  0  1  2  3

     0    1    2  3
0  125  125  100  3
1  125  125    2  3
2  125  125  100  3
3  125  125    2  3
4  125  125  100  3
5  125  125    2  3
6    0    1    2  3

您可以使用“花式索引”进行分配，即在列表中提供索引：

df.iloc[[0, 2, 4], [2]] = 100
df.iloc[list(range(6)), list(range(2))] = 125

之后的

df

为：

   0  1  2  3
0  0  1  2  3
1  0  1  2  3
2  0  1  2  3
3  0  1  2  3
4  0  1  2  3
5  0  1  2  3
6  0  1  2  3

     0    1    2  3
0  125  125  100  3
1  125  125    2  3
2  125  125  100  3
3  125  125    2  3
4  125  125  100  3
5  125  125    2  3
6    0    1    2  3

---

您在listcomp中执行赋值语句df.iloc[i，j]=5，所以它不起作用

df.iloc[i，j]=5

不会为listcomp返回任何要创建列表的内容，并且listcomp不允许使用语句。您需要listcomp之外的Assignment语句。您的listcomp可能会更改为此

df[:] = [[5 for j in range(10)] for i in range(10)]

Out[17]:
   0  1  2  3  4  5  6  7  8  9
0  5  5  5  5  5  5  5  5  5  5
1  5  5  5  5  5  5  5  5  5  5
2  5  5  5  5  5  5  5  5  5  5
3  5  5  5  5  5  5  5  5  5  5
4  5  5  5  5  5  5  5  5  5  5
5  5  5  5  5  5  5  5  5  5  5
6  5  5  5  5  5  5  5  5  5  5
7  5  5  5  5  5  5  5  5  5  5
8  5  5  5  5  5  5  5  5  5  5
9  5  5  5  5  5  5  5  5  5  5

---

然而，我想这只是一个用来说明问题的例子，因为有更好的方法来创建这样的数据框架。

列表理解用于构建列表。如果您没有构建列表，那么就不应该使用列表理解。