Python 如何替换已构建的数据帧中的值（熊猫）？

因此，一个理想的数据框架将包括所有可能的因素组合

c1

和

c2

：

>>> c1 = ['a','a','b','b']
>>> c2 = list('xy'*2)
>>> val = np.random.rand(4)

>>> df_ideal = pd.DataFrame({'c1':c1, 'c2':c2, 'val':val})
>>> df_ideal
 c1 c2       val
0  a  x    0.277162
1  a  y    0.324269
2  b  x    0.156026
3  b  y    0.435033

然而，我不知道是否有任何组合会丢失，因此我可能会得到这样的数据帧（组合

bx

丢失）：

如果发生这种情况，那么我希望丢失的组合接收0的

val

>>> df_desired
   c1 c2       val
0  a  x    0.277162
1  a  y    0.324269
2  b  x    0
3  b  y    0.435033

一种方法是创建一个数据框，其中包含

a

、

b

与

x

、

y

的所有组合，并将0分配给所有组合：

>>> df_empty
   c1 c2  val
0  a  x    0
1  a  y    0
2  b  x    0
3  b  y    0

然后，在读取数据帧

df

之后，我可以告诉pandas将

val

中的可用元素插入

df\u empty

（

0.277162

对应于

a x

的行中，

0.324269

对应于

a y

的行中，

0.435033

对应于

b y

的行中）。这将为我提供所需的

dfu

）

---

在pandas中可以这样做吗？

看起来您的数据实际上是由

c1

和

c2

值索引的。如果是这样，您应该将您的数据结构设置为具有多索引的系列，然后使用多索引插入所需的值

c1 = ['a','a','b','b']
c2 = list('xy'*2)
val = pandas.Series(0, index=pandas.MultiIndex.from_tuples(zip(c1, c2)))
>>> val
a  x    0
   y    0
b  x    0
   y    0
dtype: int64

然后：

---

如果您有多列值（而不仅仅是一列

val

column），您可以用相同的方法使用多索引创建数据帧。

您可以在df_empty和df之间进行左合并，然后用0填充NA：

df = pd.DataFrame({'c1':['a','a','b'], 'c2':['x','y','y'], 'val':[0.277162, 0.324269, 0.435033]})
df_empty = pd.DataFrame({'c1':['a','a','b','b'], 'c2':['x','y','x','y']})
df_desired = pd.merge(df_empty, df, on =('c1','c2'), how='left', copy = True)
df_desired = df_desired.fillna(0)
print df_desired

   c1 c2       val
0  a  x  0.277162
1  a  y  0.324269
2  b  x  0.000000
3  b  y  0.435033

---

不完全是。有时可能是第9行，有时是第3行。这取决于用户未能响应的内容。但列的组合总是相同的，即（a b）与（x y）与（G1 G2）的所有可能组合。这就是为什么我想到创建一个空数据框，然后告诉pandas用用户提供的值填充。@HappyPy:您需要提供更多关于“用户提供的值”的信息。您如何知道要替换哪一行？如果用户在

x

行中提供了一个项，您可以使用

df.ix[x，'val']

在表中的该位置插入一个值。@happy您希望追加而不是替换吗？@Andy Hayden:您如何使用append进行操作？如果读取“df”时，它恰好包含“a x G2 0.277162”，那么这应该取代我创建的空数据框中的“a x G2 0”。追加会有这种效果吗？@Andy Hayden：我从头开始编辑了整个问题。它更有意义吗？

>>> val.ix['a', 'x'] = 100
>>> val
a  x    100
   y      0
b  x      0
   y      0
dtype: int64

df = pd.DataFrame({'c1':['a','a','b'], 'c2':['x','y','y'], 'val':[0.277162, 0.324269, 0.435033]})
df_empty = pd.DataFrame({'c1':['a','a','b','b'], 'c2':['x','y','x','y']})
df_desired = pd.merge(df_empty, df, on =('c1','c2'), how='left', copy = True)
df_desired = df_desired.fillna(0)
print df_desired

   c1 c2       val
0  a  x  0.277162
1  a  y  0.324269
2  b  x  0.000000
3  b  y  0.435033