使用Pandas DataFrames的逻辑索引或布尔索引的正确语法是什么?

时间:2015-09-18 01:48:22

标签: python pandas indexing

我想使用逻辑索引来修改Pandas DataFrame(版本0.15.2)中的值,如post中所述。我一直收到以下警告:

A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  self.obj[item_labels[indexer[info_axis]]] = value

以下是一个示例。

import pandas as pd
import numpy as np
df = pd.DataFrame({'A':[9,10]*6,
                   'B':range(23,35),
                   'C':range(-6,6)})

print df
     A   B  C
0    9  23 -6
1   10  24 -5
2    9  25 -4
3   10  26 -3
4    9  27 -2
5   10  28 -1
6    9  29  0
7   10  30  1
8    9  31  2
9   10  32  3
10   9  33  4
11  10  34  5

使用逻辑索引更改值的正确方法是什么?假设我想从B列中的所有值中减去10> 30,为什么以下不首选?我意识到这是链接的任务,并且气馁。在我实际使用它的代码实际上做了我想做的事情(它不是复制但实际上编辑原始DataFrame)但它仍然显示警告:

df['B-type'] = 'B'                  # create column with dummy values
df['B-type'][df['B'] > 30] = 'BI'   # populate the column with real values for BI type
df['B-type'][df['B'] <= 30] = 'BII' # populate the column with real values for BII type
print df
     A   B  C B-type
0    9  23 -6    BII
1   10  24 -5    BII
2    9  25 -4    BII
3   10  26 -3    BII
4    9  27 -2    BII
5   10  28 -1    BII
6    9  29  0    BII
7   10  30  1    BII
8    9  31  2     BI
9   10  32  3     BI
10   9  33  4     BI
11  10  34  5     BI

目前尚不清楚为什么这是“错误的”但仍能正常运作。

2 个答案:

答案 0 :(得分:2)

执行此操作的一种方法是使用下面的.loc -

df.loc[df['B'] > 30,'B'] = df.loc[df['B'] > 30,'B'] - 10

演示 -

In [9]: df = pd.DataFrame({'A':[9,10]*6,
   ...:                    'B':range(23,35),
   ...:                    'C':range(-6,6)})

In [10]:

In [10]: df
Out[10]:
     A   B  C
0    9  23 -6
1   10  24 -5
2    9  25 -4
3   10  26 -3
4    9  27 -2
5   10  28 -1
6    9  29  0
7   10  30  1
8    9  31  2
9   10  32  3
10   9  33  4
11  10  34  5

In [11]: df.loc[df['B'] > 30,'B'] = df.loc[df['B'] > 30,'B'] - 10

In [12]: df
Out[12]:
     A   B  C
0    9  23 -6
1   10  24 -5
2    9  25 -4
3   10  26 -3
4    9  27 -2
5   10  28 -1
6    9  29  0
7   10  30  1
8    9  21  2
9   10  22  3
10   9  23  4
11  10  24  5

或者如评论中所述,您还可以使用上面的扩充作业版本 -

df.loc[df['B'] > 30,'B'] -= 10

答案 1 :(得分:2)

这种访问方式称为链式分配,应该如documentation中所述避免使用。它无法按预期工作的原因是更新了DataFrame的副本,而不是视图。这意味着原始DataFrame保持不变。

考虑这个链式任务:

df[df['B'] > 30]['B'] = -999

相当于以下内容:

df_something = df[df['B'] > 30]
df_something['B'] = -999

>>> print df
     A   B  C
0    9  23 -6
1   10  24 -5
2    9  25 -4
3   10  26 -3
4    9  27 -2
5   10  28 -1
6    9  29  0
7   10  30  1
8    9  31  2
9   10  32  3
10   9  33  4
11  10  34  5

>>> print df_something
     A    B  C
8    9 -999  2
9   10 -999  3
10   9 -999  4
11  10 -999  5

可以看出,确实创建并更新了副本,这就是警告的内容。执行此类分配的正确方法是避免链接,即仅使用适当的索引器进行单个操作:

df.loc[df['B'] > 30, 'B'] = -999

请注意,这与df.loc[df['B'] > 30]['B'] = -999不同,English: a bcdefghijklmno pqrs tu vwxyz Danish: a bcdefghijklmno pqrs tu vwxyzæøå Norwegian: a bcdefghijklmno pqrs tu vwxyzæøå Swedish: a bcdefghijklmno pqrs tu vwxyzåäö German: aäbcdefghijklmnoöpqrsßtuüvwxyz 也是链式分配。