Question

我正在尝试使用numpy数组[相同大小]修改pandas数据框的values字段。像这样的东西不起作用

import pandas as pd
# create 2d numpy array, called arr
df = pd.DataFrame(arr, columns=some_list_of_names)
df.values = myfunction(arr)

任何替代方案？

Answer 1

.values属性通常是一个副本 - 特别是对于混合dtypes（因此无法保证它的分配工作 - 在新版本的pandas中会增加）。

您应该分配给特定的列（注意顺序很重要）。

df = pd.DataFrame(arr, columns=some_list_of_names)
df[some_list_of_names] = myfunction(arr)

示例（在熊猫0.15.2中）：

In [11]: df = pd.DataFrame([[1, 2.], [3, 4.]], columns=['a', 'b'])

In [12]: df.values = [[5, 6], [7, 8]]
AttributeError: can't set attribute

In [13]: df[['a', 'b']] = [[5, 6], [7, 8]]

In [14]: df
Out[14]:
   a  b
0  5  6
1  7  8

In [15]: df[['b', 'a']] = [[5, 6], [7, 8]]

In [16]: df
Out[16]:
   a  b
0  6  5
1  8  7

Answer 2

我认为这是您正在寻找的方法：

http://pandas.pydata.org/pandas-docs/dev/generated/pandas.DataFrame.applymap.html

将函数应用于要运行的DataFrame 元素，即喜欢为每个系列做map（func，series）数据帧

示例：

>>> import numpy as np
>>> import pandas as pd
>>> df = pd.DataFrame(np.random.rand(3,4), columns = list('abcd'))
>>> df
          a         b         c         d
0  0.394819  0.662614  0.752139  0.396745
1  0.802134  0.934494  0.652150  0.698127
2  0.518531  0.582429  0.189880  0.168490
>>> f = lambda x: x*100
>>> df.applymap(f)
           a          b          c          d
0  39.481905  66.261374  75.213857  39.674529
1  80.213437  93.449447  65.215018  69.812667
2  51.853097  58.242895  18.988020  16.849014
>>>

Answer 3

希望这很清楚：

import pandas as pd
df = pd.DataFrame(columns=some_list_of_names)
df.loc[:] = arr  # use this to replace the values with the numpy array

使用numpy数组修改pandas数据帧值

3 个答案: