Question

让我们考虑一下这个数据框：

size_t strnlen(const char *str, size_t len)
{
    for (size_t size = 0; size < len; size++)
    {
        if (str[size] == '\0')
            return size;
    }
    return len;
}

现在让我们说我们要选择两列，并使用另一列作为索引。我们可以使用df = pd.DataFrame(np.random.rand(4,4), columns = ['A', 'B', 'AB', 'O']) df Out[1]: A B AB O 0 0.704744 0.032988 0.514788 0.405281 1 0.978119 0.354312 0.273255 0.908691 2 0.653161 0.337653 0.309225 0.008059 3 0.023022 0.110995 0.751048 0.088853并轻松完成，但让我们尝试一种更加繁琐的方法，并使用set_index()：

pd.DataFrame()

为什么会产生pd.DataFrame(df[['B','AB']], index = df['A'].values) Out[2]: B AB 0.704744 NaN NaN 0.978119 NaN NaN 0.653161 NaN NaN 0.023022 NaN NaN值？

如果我将整数列表作为索引传递（例如NaN），则会出现同样的问题。

我们可以通过将数据作为index = [10,11,12,13]传递numpy.ndarray来轻松解决此问题。不会以这种方式显示df[['B','AB']].values值。

此外，NaN没有显示NaN值，其中不再指定索引。

但是，再次，为什么上面代码的pd.DataFrame(df[['B','AB']])值？

Answer 1

如果您将数据帧作为DataFrame构造函数的第一个参数传递，它将构造一个具有给定索引的新数据帧，并且指定原始数据帧中的值，前提是该索引具有值

例如，如果你写：

pd.DataFrame(df[['B','AB']],index=[0,2])

它将选择第一行和第三行：

A B AB O 0 0.501622 0.422913 0.570804 0.507912 1 0.507934 0.698122 0.745761 0.201501 2 0.333501 0.567291 0.472924 0.813184 3 0.788795 0.733176 0.843651 0.603158 >>> pd.DataFrame(df[['B','AB']],index=[0,2]) B AB 0 0.422913 0.570804 2 0.567291 0.472924

由于浮点数没有值（例如问题0.704744），因此会使用NaN s填充缺失值。

然而，您可以通过写作轻松获得所需内容：

>>> df[['A', 'B', 'AB']].set_index('A') B AB A 0.501622 0.422913 0.570804 0.507934 0.698122 0.745761 0.333501 0.567291 0.472924 0.788795 0.733176 0.843651

为什么在使用pd.Dataframe（）创建数据框并手动设置索引时使用NaN？

1 个答案: