Question

假设我有一个如下数据集：

当我尝试覆盖特定列（Series对象）时，我收到以下代码的错误：

mask = bond["Actor"] == "Sean Connery"
bond[mask]["Actor"] = "Sir Sean Connery"

但是当我向下移动一个级别而不是编辑这些行的所有列（完整的DataFrame）时，我成功了

mask = bond["Actor"] == "Sean Connery"
bond[mask] = "Sir Sean Connery"

为什么会这样？在第一种情况下，我认为编辑副本并因此错误是不合逻辑的。但同样适用于后一种情况，因为第二个示例也应该返回原始DataFrame的副本。

Answer 1

您需要loc才能避免chained indexing：

bond = pd.DataFrame({'Actor':list('abcaef'),
                   'A':list('efghij'),
                   'B':list('aaabbb')})

print (bond)
   A Actor  B
0  e     a  a
1  f     b  a
2  g     c  a
3  h     a  b
4  i     e  b
5  j     f  b

mask = bond["Actor"] == "a"
bond.loc[mask] = "AAA"
#for select all columns :, for columns can be omitted
#bond.loc[mask,:] = "AAA"

print (bond)
     A Actor    B
0  AAA   AAA  AAA
1    f     b    a
2    g     c    a
3  AAA   AAA  AAA
4    i     e    b
5    j     f    b

#one column Actor
bond.loc[mask, "Actor"] = "AAA"
print (bond)
   A Actor  B
0  e   AAA  a
1  f     b  a
2  g     c  a
3  h   AAA  b
4  i     e  b
5  j     f  b

Answer 2

考虑以下单列DataFrame：

export class AppComponent {
inboundClick = false;
}

这是你想要用于切片的面具：

df = pd.DataFrame({'Actor': ['Sean Connery', 'Sean Connery', 
                             'Sean Something', 'Sean Something Else']})

df
Out: 
                 Actor
0         Sean Connery
1         Sean Connery
2       Sean Something
3  Sean Something Else

现在，如果我使用mask = df['Actor'] == 'Sean Connery'，则会执行此操作：

df[mask]['Actor'] = 'Sir Sean Connery'

df.__getitem__(mask).__setitem__('Actor', 'Sir Sean Connery')
请参阅文档中的警告：http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy

对于这种情况，它不会修改原始DataFrame：

__main__:1: SettingWithCopyWarning: 
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

Id 确实修改了一个DataFrame - 这是由df Out: Actor 0 Sean Connery 1 Sean Connery 2 Sean Something 3 Sean Something Else方法返回的，但由于它没有分配给任何东西，所以它会丢失。

相反，在您的第二个示例（__getitem__）中，执行的代码是：

df[mask] = 'Sir Sean Connery'

由于掩码，您可能认为它也使用df.__setitem__(mask, 'Sir Sean Connery')，但事实并非如此。它直接使用__getitem__并将掩码传递给该DataFrame。并且pandas确保我们使用__setitem__我们可以确保它将在视图上运行。对于__setitem__的情况，它表示它可以是复制品，也可以是一种观点 - 很难知道。

现在您将看到原始df已被修改：

__getitem__

虽然有一个问题。它起作用，因为我们只有一列。如果我们有另一个专栏，比如说“年”，它会将相应的“年”值设置为“肖恩·康纳利爵士”＃39;太。为了避免这种情况，我们使用df Out: Actor 0 Sir Sean Connery 1 Sir Sean Connery 2 Sean Something 3 Sean Something Else作为jezrael指出。它还调用.loc方法，并允许指定哪些列将更改。

__setitem__

因此，基于掩码和列名设置的最佳做法是使用df = pd.DataFrame({'Actor': ['Sean Connery', 'Sean Connery', 'Sean Something', 'Sean Something Else'], 'Year': [1990, 1990, 1990, 1990]}) df.loc.__setitem__((mask, 'Actor'), 'Sir Sean Connery') df Out: Actor Year 0 Sir Sean Connery 1990 1 Sir Sean Connery 1990 2 Sean Something 1990 3 Sean Something Else 1990：

.loc

通过这种方式，如果您正在操作副本，则不必担心。

为什么Pandas允许编辑DataFrames而不是Series对象

2 个答案: