Question

一般的想法是：

从Excel中读取DataFrame
添加一个新列，我可以在其中标识有效行和无效行（在此示例中，值已在None初始化，但我也尝试在False和0初始化
迭代DataFrame并根据一系列测试将值分配给新列。（遗憾的是，测试过于复杂而无法使用applymap或类似的）

预期的结果是打印DataFrame并查看正确分配的新列的值。

经验丰富的结果是价值根本没有改变。它们都保持初始值。

这是一个高度简化的代码示例，其中存在行为。

import pandas as pd

df = pd.read_csv('./some_file.csv', sep='\t')

print(df)   # View outputs below

df['Valid'] = [None for _ in range(len(df))]    # New column

for n in df.iterrows():
    if pd.notnull(n[1].Name):    # Example test
        n[1].Valid = False
    else:    # else clause should ensure all values change
        n[1].Valid = True

print(df)    # Shows all df.Valid values are still None

read_csv()

    Name  Age
0   John   20
1  Mandy   25
2   Mike   30
3    NaN   40
4   Alex   35

代码末尾的输出2：

    Name  Age Valid
0   John   20  None
1  Mandy   25  None
2   Mike   30  None
3    NaN   40  None
4   Alex   35  None

在上面的示例中，当打印df时，即使调试器显示进入赋值语句的进程，所有值仍为None。

是否存在我未见到的某种范围，参考或可变性问题？任何人都可以解释这种行为吗？

运行python 3.6.0

对于示例数据集，我手动构建了一个由制表符分隔的some_file.csv文件（第4行有一个空字符串用于Name，而年龄为40，第5行被read_csv跳过，原因很明显）：

Name    Age
John    20
Mandy   25
Mike    30
    40

Alex    35

Answer 1

Dataframe.iterrows()返回一个系列，它是数据的副本。它不能用于更新基础DataFrame。相反，我建议只需构建一个列表，并在完成后将其添加到Dataframe中：

测试代码：

import pandas as pd
df = pd.read_csv('input.csv', sep='\t')

valid = []
for n in df.iterrows():
    if pd.notnull(n[1].Name):    # Example test
        valid.append(False)
    else:    # else clause should ensure all values change
        valid.append(True)
df['Valid'] = valid    # New column

print(df)    # Shows all df.Valid values are still None

结果：

    Name  Age  Valid
0   John   20  False
1  Mandy   25  False
2   Mike   30  False
3    NaN   40   True
4   Alex   35  False

在DataFrame iterrows中更改布尔值不会做任何事情

1 个答案:

测试代码：

结果：