Python 使用多索引替换

我有一个多索引的数据帧

       values                            observations
time       x1    x2    x3    x4   ...         x1    x2    x3    x4    ...

  t1     v1_1   nan  v3_1  v4_1   ...       o1_1   nan  o3_1  o4_1    ...
  t2     v1_2  v2_2   nan  v4_2   ...       o1_2  o2_2   nan  o4_2    ...

我试图用0填充观察框

df.loc[:,('observations')].fillna(value=0, inplace=True)

但这并没有填满df。当我切一片涂上菲尔娜时，效果很好

dfx = df.loc[:,('observations')].fillna(value=0)

dfx将其NAN替换为0s，我可以替换原始部件

df.observations = dfx

我不清楚为什么第一种方法不起作用。看起来很奇怪。有人能在这里给我点化一下吗？

对我来说，这项工作：

df['observations'] = df['observations'].fillna(0)
print (df)
   values                   observations                  
     time    x1    x2    x3           x4    x1    x2    x3
t1   v1_1   NaN  v3_1  v4_1         o1_1     0  o3_1  o4_1
t2   v1_2  v2_2   NaN  v4_2         o1_2  o2_2     0  o4_2

---

我认为问题在于

loc

不起作用。所以您可以使用：

df1 = df.loc[:,('observations')] 
df1.fillna(value=0, inplace=True)

另一种解决方案是通过

切片进行选择

，但需要按以下方式对列名称进行第一次排序：

---

我认为问题在于，

loc

不起作用。因此，如果使用

df1=df.loc[：，（'observations'）]

和

df1.fillna（value=0，inplace=True）

它可以工作。谢谢。我编辑了你的答案并抄写了你的上述评论，以便我能接受。

df.sort_index(inplace=True, axis=1)
idx = pd.IndexSlice
df.loc[:, idx['observations',:]] = df.loc[:, idx['observations',:]].fillna(0)
print (df)
     observations                   values                  
time           x1    x2    x3    x4     x1    x2    x3    x4
t1           o1_1     0  o3_1  o4_1   v1_1   NaN  v3_1  v4_1
t2           o1_2  o2_2     0  o4_2   v1_2  v2_2   NaN  v4_2