Question

情况：熊猫＆＃39;数据帧的iterrows()行在两个不同的环境中表现不同。在一个中，row.get()按预期返回一个值，在另一个row.get()本身返回一个系列 - 这是意外的。

问题：是否有pandas设置/某些配置可能导致以下行为在两种环境之间有所不同？我承认并非此示例中存在所有信息。我希望可能的是，显示以下行为，有人可能会认识到这是一些常见模式的结果，或者可能是设置更改。

详细说明：在第一个环境中，我通过Pandas＆＃39;来迭代行。 iterrows()方法。在每一行中，我都访问一个给定的属性，如下所示：

print(type(row)) # pandas.series.Series

foo_val = row.get('foo', default=None)

print(type(foo_val)) # float
print(foo_val) # 234.23

现在当我再次跑步时，在第二个环境中; iterrows()操作返回row变量。看起来很正常但是获得（row.get()）每个元素的行为与以前不同。具体来说，返回值不会是int，float，str等，而是本身就是一个系列，保留了索引，这样：

print(type(row)) # pandas.series.Series

foo_val = row.get('foo', default=None)

print(type(foo_val)) # pandas.series.Series
print(foo_val) 
# foo      234.23
# Name: 0, dtype: object

foo_val_v2 = foo_val.get('foo', default=None)

print(type(foo_val_v2)) # float
print(foo_val_v2) # 234.23

最后的想法：我似乎在某种程度上回想起你能够配置pandas以返回带有行值的索引，但也许我想象的东西。

我还应该注意，在两种情况下打印row都会产生相同的结果，就像记录每个列类型，行类型等一样。也就是说，我可以断言行类型是相同的，列类型在父数据框内是相同的，每个行元素的类型是相同的。

Answer 1

解决。如果我对数据框进行了更全面的分析，我可能已经注意到列名称重复。

返回Series而不是单个值的原因是因为通过远上游的.rename()操作，有两个具有相同名称的列。因此，当请求该列值时，Pandas表现出（应该如此）并作为系列返回。

以下是一个独立的示例。

>>> df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})

>>> df.rename(columns={'B': 'A'})
   A  A
0  1  4
1  2  5
2  3  6

>>> df['A']
0    1
1    2
2    3
Name: A, dtype: int64

>>> type(df['A'])
<class 'pandas.core.series.Series'>

>>> df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})

>>> df = df.rename(columns={'B': 'A'})

>>> df['A']
   A  A
0  1  4
1  2  5
2  3  6

>>> type(df['A'])
<class 'pandas.core.frame.DataFrame'>

Pandas iterrows（）row.get（）方法返回系列而不是单元格值

1 个答案: