Python 将值分配给pandas中的数据帧单元格时出现问题

我正在组合不同的熊猫数据帧，并对最终数据帧的索引进行排序。我发现了一些对我来说毫无意义的东西。它没有给出错误，但没有真正发生赋值。下面我给出一个简单的例子

案例1：

import pandas as pd


ind_1 = ['a','a','b','c','c']
df_1 = pd.DataFrame(index=ind_1,columns=['col1','col2'])

df_1.col1.loc['a'].iloc[0] = 1
df_1.col1.loc['b'] = 2
df_1.col1.loc['c'].iloc[0] = 3

print('Original df_1')
print(df_1)

# Original df_1
#   col1 col2
# a    1  NaN
# a  NaN  NaN
# b    2  NaN
# c    3  NaN
# c  NaN  NaN

您可以看到，此分配工作正常。但是，让我们从排序不同的索引创建数据帧

ind_1_sorted = sorted(ind_1,reverse=True)
df_1_sorted = pd.DataFrame(index=ind_1_sorted,columns=['col1','col2'])

df_1_sorted.col1.loc['a'].iloc[0] = 1
df_1_sorted.col1.loc['b'] = 2
df_1_sorted.col1.loc['c'].iloc[0] = 3

print('Sorted df_1')
print(df_1_sorted)

# Sorted df_1
#  col1 col2
# c  NaN  NaN
# c  NaN  NaN
# b    2  NaN
# a  NaN  NaN
# a  NaN  NaN

现在您可以看到，赋值只适用于非重复索引。我认为这个问题与排序有关，但让我们看看下一个案例

案例2：

ind_2 = ['c','c','b','a','a']
df_2 = pd.DataFrame(index=ind_2,columns=['col1','col2'])

df_2.col1.loc['a'].iloc[0] = 1
df_2.col1.loc['b'] = 2
df_2.col1.loc['c'].iloc[0] = 3

print('Original df_2')
print(df_2)

# Original df_2
#  col1 col2
# c  NaN  NaN
# c  NaN  NaN
# b    2  NaN
# a  NaN  NaN
# a  NaN  NaN

现在，如果不实现排序，就不会得到赋值。让我们看看如果我对索引排序会发生什么

ind_2_sorted = sorted(ind_2,reverse=False)
df_2_sorted = pd.DataFrame(index=ind_2_sorted,columns=['col1','col2'])

df_2_sorted.col1.loc['a'].iloc[0] = 1
df_2_sorted.col1.loc['b'] = 2
df_2_sorted.col1.loc['c'].iloc[0] = 3

print('Sorted df_2')
print(df_2_sorted)

# Sorted df_2
#   col1 col2
# a    1  NaN
# a  NaN  NaN
# b    2  NaN
# c    3  NaN
# c  NaN  NaN

现在，分配在排序之后工作！！我看到的唯一区别是，当索引以“标准方式”（在本例中按字母顺序）排序时，赋值就起作用了。这有什么意义吗

如果解决方案是先使用按字母顺序排序的索引，然后按照我想要的顺序进行排序，那么如何使用重复的索引进行排序，如以下示例所示

---

谢谢

如用户Quickbeam2k1所述，该问题是由于链分配引起的

索引对象有一个名为

get_loc

的方法，可以用来将标签转换为位置，但是它的返回类型是多态的&这就是为什么我不喜欢使用它的原因

使用数据帧索引和列上的

np.nonzero

&过滤，我们可以将标签转换为位置引用，并使用

iloc

而不是

loc

修改数据帧

i、 e.您的第一个代码示例可以重写为：

# original
df_1.col1.loc['a'].iloc[0] = 1
df_1.col1.loc['b'] = 2
df_1.col1.loc['c'].iloc[0] = 3

# works for all indices
col1_mask = df_1.columns == 'col1'
a_mask, = np.nonzero(df_1.index == 'a')
b_mask, = np.nonzero(df_1.index == 'b')
c_mask, = np.nonzero(df_1.index == 'c')
df_1.iloc[a_mask[0], col1_mask] = 1
df_1.iloc[b_mask, col1_mask] = 1
df_1.iloc[c_mask[0], col1_mask] = 3

---

类似地，对于其他示例

我认为，这与链式赋值问题有关，您根本无法通过CopyWarning获得

设置。检查一下。简而言之：您不应该像现在这样设置元素；）我同意@Quickbeam2k1。Pandas documenation解释说，在没有错误或警告的情况下，链式索引可能会导致赋值失败。这是因为您可以为原始数据的副本赋值，这是绝对合法的，但不是您想要的（就像可变与不可变数据类型一样）。我想这不是一个bug，而是Python的特性。因此，请注意熊猫中的链接索引。另外，始终使用
.loc/.at
语法进行索引可能是一个好习惯。@Quickbeam2k1非常准确地识别了这里的问题，谢谢。