Python 在pandas中使用.at[]和.iat[]访问器

每当我在jupyter笔记本控制台上迭代pandas系列以使用set_值修改值时，我都会得到以下警告：set_值已被弃用，将在将来的版本中删除。请改用.at[]或.iat[]访问器

如何在循环中使用.at[]或.iat[]

s = pd.Series([100 , 120.0 , 101.0 , 3.0 ])
for l , v in s.iteritems():
    s.set_value(l, v + 4)

---

你想要的是：

In [14]: import pandas as pd

In [15]: s = pd.Series([100 , 120.0 , 101.0 , 3.0 ])
    ...:

In [16]: for l, v in s.iteritems():
    ...:     s.at[l] = v + 4
    ...:

In [17]: s
Out[17]:
0    104.0
1    124.0
2    105.0
3      7.0
dtype: float64

然而，这是非常非泛音速的，相反，您应该始终更喜欢矢量化操作：

In [18]: s = pd.Series([100 , 120.0 , 101.0 , 3.0 ])
    ...:

In [19]: s += 4

In [20]: s
Out[20]:
0    104.0
1    124.0
2    105.0
3      7.0
dtype: float64

---

你想要的是：

In [14]: import pandas as pd

In [15]: s = pd.Series([100 , 120.0 , 101.0 , 3.0 ])
    ...:

In [16]: for l, v in s.iteritems():
    ...:     s.at[l] = v + 4
    ...:

In [17]: s
Out[17]:
0    104.0
1    124.0
2    105.0
3      7.0
dtype: float64

然而，这是非常非泛音速的，相反，您应该始终更喜欢矢量化操作：

In [18]: s = pd.Series([100 , 120.0 , 101.0 , 3.0 ])
    ...:

In [19]: s += 4

In [20]: s
Out[20]:
0    104.0
1    124.0
2    105.0
3      7.0
dtype: float64

---

不确定我是否理解在您统一修改整个系列时使用set_值或iat的目的。不确定我是否理解在您统一修改整个系列时使用set_值或iat的目的。附带问题是使用基础numpy数组（s.values）设置值是一种不好的做法（非泛音）？@DanielMesejo我的意思是，我真的没有理由这么做。我必须考虑一个特定的用例。您将在阵列上使用的大多数操作仅通过pandas数据帧传递，尽管有时开销不大。从根本上说，问题在于您应该更喜欢矢量化操作，而不是手动的python级循环。@DanielMesejo在使用

.values

赋值时应该小心，因为它不再使用索引进行对齐。在这种情况下，数组的第一个值被分配给第一个索引。当您使用

.groupby

或

.sort\u值

输出的序列的索引顺序与原始序列不同时，这可能会出现问题。@ALollz此外，我认为在某些情况下，它不会修改

pandas

对象。比如说，如果在

数据帧中有混合的数据类型

。作为一个附带问题，使用底层numpy数组（s.values）来设置值是一种不好的做法（unpandonic）？@DanielMesejo我的意思是，我真的看不出有理由这样做。我必须考虑一个特定的用例。您将在阵列上使用的大多数操作仅通过pandas数据帧传递，尽管有时开销不大。从根本上说，问题在于您应该更喜欢矢量化操作，而不是手动的python级循环。@DanielMesejo在使用

.values

赋值时应该小心，因为它不再使用索引进行对齐。在这种情况下，数组的第一个值被分配给第一个索引。当您使用

.groupby

或

.sort\u值

输出的序列的索引顺序与原始序列不同时，这可能会出现问题。@ALollz此外，我认为在某些情况下，它不会修改

pandas

对象。比方说，如果在

数据帧中有混合数据类型

。