Question

我正在通过Pandas进行数据分析和学习。然而，有一件事情不断涌现。该书通常将数据框的列称为df['column']，但有时没有解释，本书使用df.column。

我不明白两者之间的区别。任何帮助将不胜感激。

以下代码展示了我所说的内容：

In [5]:

import pandas as pd

data = {'column1': ['a', 'a', 'a', 'b', 'c'], 
        'column2': [1, 4, 2, 5, 3]}
df = pd.DataFrame(data, columns = ['column1', 'column2'])
df

Out[5]:
column1 column2
0    a   1
1    a   4
2    a   2
3    b   5
4    c   3
5 rows × 2 columns

df.column：

In [8]:

df.column1
Out[8]:
0    a
1    a
2    a
3    b
4    c
Name: column1, dtype: object

DF [ '列']：

In [9]:

df['column1']
Out[9]:
0    a
1    a
2    a
3    b
4    c
Name: column1, dtype: object

Answer 1

要设置，值，您需要使用df['column'] = series。

但是，一旦完成此操作，您可以使用df.column在将来引用该列，假设它是有效的python名称。（所以df.column有效，但df.6column仍然必须使用df['6column']进行访问

我认为这里的细微差别在于，当您使用df['column'] = ser设置内容时，pandas会继续并将其添加到列/执行其他一些操作（我相信通过覆盖__setitem__中的功能。如果您执行df.column = ser，就像向使用__setattr__的任何现有对象添加新字段一样，并且pandas似乎不会覆盖此行为。

在熊猫中，df ['column']和df.column有什么区别？

1 个答案: