Python 理解数据帧索引

总结： 这不起作用：

df[df.key==1]['D'] = 1

In [9]: df[df.key==1]['D'] = 1

In [10]: df
Out[10]: 
          A         B         C  D  key
0  1.438161 -0.210454 -1.983704  0    1
1 -0.283780 -0.371773  0.017580  0    1
2  0.552564 -0.610548  0.257276  0    1
3  1.931332  0.649179 -1.349062  0    2
4  1.656010 -1.373263  1.333079  0    2
5  0.944862 -0.657849  1.526811  0    2

但这确实：

df.D[df.key==1] = 1

In [11]: df.D[df.key==1] = 3.4

In [12]: df
Out[12]: 
          A         B         C    D  key
0  1.438161 -0.210454 -1.983704  3.4    1
1 -0.283780 -0.371773  0.017580  3.4    1
2  0.552564 -0.610548  0.257276  3.4    1
3  1.931332  0.649179 -1.349062  0.0    2
4  1.656010 -1.373263  1.333079  0.0    2
5  0.944862 -0.657849  1.526811  0.0    2

为什么?

复制：

In [1]: import pandas as pd

In [2]: from numpy.random import randn

In [4]: df = pd.DataFrame(randn(6,3),columns=list('ABC'))

In [5]: df
Out[5]: 
          A         B         C
0  1.438161 -0.210454 -1.983704
1 -0.283780 -0.371773  0.017580
2  0.552564 -0.610548  0.257276
3  1.931332  0.649179 -1.349062
4  1.656010 -1.373263  1.333079
5  0.944862 -0.657849  1.526811

In [6]: df['D']=0.0

In [7]: df['key']=3*[1]+3*[2]

In [8]: df
Out[8]: 
          A         B         C  D  key
0  1.438161 -0.210454 -1.983704  0    1
1 -0.283780 -0.371773  0.017580  0    1
2  0.552564 -0.610548  0.257276  0    1
3  1.931332  0.649179 -1.349062  0    2
4  1.656010 -1.373263  1.333079  0    2
5  0.944862 -0.657849  1.526811  0    2

这不起作用：

df[df.key==1]['D'] = 1

In [9]: df[df.key==1]['D'] = 1

In [10]: df
Out[10]: 
          A         B         C  D  key
0  1.438161 -0.210454 -1.983704  0    1
1 -0.283780 -0.371773  0.017580  0    1
2  0.552564 -0.610548  0.257276  0    1
3  1.931332  0.649179 -1.349062  0    2
4  1.656010 -1.373263  1.333079  0    2
5  0.944862 -0.657849  1.526811  0    2

但这确实：

df.D[df.key==1] = 1

In [11]: df.D[df.key==1] = 3.4

In [12]: df
Out[12]: 
          A         B         C    D  key
0  1.438161 -0.210454 -1.983704  3.4    1
1 -0.283780 -0.371773  0.017580  3.4    1
2  0.552564 -0.610548  0.257276  3.4    1
3  1.931332  0.649179 -1.349062  0.0    2
4  1.656010 -1.373263  1.333079  0.0    2
5  0.944862 -0.657849  1.526811  0.0    2

我的问题是:

为什么只有第二条路有效？我似乎看不出选择/索引逻辑有什么不同

版本是0.10.0

编辑：不应该再这样做了。自版本0.11以来，存在

.loc

。请看这里：

---

我很确定，您的第一种方法是返回一个副本，而不是一个视图，因此分配给它不会改变原始数据。但我不知道为什么会发生这种情况

它似乎与您选择行和列的顺序有关，而与获取列的语法无关。这两种方法都有效：

df.D[df.key == 1] = 1
df['D'][df.key == 1] = 1

这两项工作都没有：

df[df.key == 1]['D'] = 1
df[df.key == 1].D = 1

根据这个证据，我假设切片

df[df.key==1]

正在返回一个副本。但事实并非如此

df[df.key==1]=0实际上会更改原始数据，就像它是一个视图一样

所以，我不确定。我的感觉是，这种行为随着熊猫的版本而改变。我似乎记得df.D用于返回副本，df['D']用于返回视图，但这似乎不再是真的（0.10.0）

如果您想要更完整的答案，请在pystatsmodels论坛上发布：
熊猫文档中说：

返回视图而不是副本

关于何时返回数据视图的规则完全相同
依赖NumPy。每当标签数组或布尔向量
如果索引操作涉及到，则结果将是一个副本。
使用单标签/标量索引和切片，例如df.ix[3:6]或
df.ix[：，'A']，将返回一个视图

在
df[df.key==1]['D']
中，首先执行布尔切片（生成数据帧的副本），然后选择列['D']

在
df.D[df.key==1]=3.4
中，首先选择一列，然后对生成的序列执行布尔切片

虽然我必须承认这有点违反直觉，但这似乎起了作用

编辑：差异由Dougal确定，请参见他的评论：在版本1中，当布尔切片调用
\uuuu getitem\uuuu
方法时，复制。对于版本2，只访问
\uuu setitem\uuuu
方法-因此不返回副本，而只是分配。
这也是我最初的想法，但肯定还有其他事情发生
df[df.key==1]=1000实际上会将1000分配给切片中的所有值，因此它不能是副本。我猜setattr或setitem方法中发生了一些神奇的事情。但是当我对结果序列进行布尔切片时，这应该也是一个副本，不是吗？那么为什么作业是这样的呢？看看上面道格拉斯的评论。对于版本1，在调用getitem方法进行布尔切片时进行复制。对于版本2，只访问setitem方法-因此不返回副本，而只是赋值。@K.-MichaelAye在第一种方式中，您首先使用
\uuuuu getitem\uuuuuuuuu
构造一个副本，然后对该副本调用
\uuuuuu setitem\uuuuuuuuu
，然后立即对其进行垃圾回收。在第二种方法中，您使用
\uuuu getitem\uuuuuuuuuuu
构造一个视图，然后在视图上调用
\uuuuuuuu setitem\uuuuuuuuuuu
。
df[df.key==1]
实际上返回一个副本（正如Thorsten的回答所指出的）。
df[df.key==1]=0
修改原文的原因是，尽管语法有点误导，但实际上根本不是做同样的事情；非赋值版本调用
\uuuuu getitem\uuuuuu
和赋值版本
\uuuuuuuu setitem\uuuuuu
。这就像如果我们有
l=[0,1,2]
，那么
l[1]
返回int 1，但
l[1]=5
修改了原始值。正如答案中所说，这似乎是一个关键问题：看看是否存在类似的问题。我不确定这是否是一个视图与副本的问题。我现在明白了，视图与副本的区别很明显（实际上很简单）。第一个方法只提供垃圾收集的副本。第二个方法提供了一个视图，因此设置是在原始数据帧上完成的。（见下文道格尔的评论）