Question

编辑：建议的可能重复（this question）不重复。我询问是否可以编辑一个数据帧切片并使该切片影响原始数据帧。＆＃34;重复＆＃34;建议Q / A只是寻找.loc的替代品。我原来问题的简单答案似乎是，＆＃34; no＆＃34;。

原始问题：

这个问题可能在某处有重复，但我无法找到它。另外，我猜测我要问的是不可能的，但值得一试。

我希望能够过滤或屏蔽大型数据帧，获得更小的数据帧以便于编码，编辑较小的数据帧，并使其影响较大的数据帧。

这样的事情：

df_full = pd.DataFrame({'a':[1,2,3], 'b':[4,5,6]})

df_part = df_full[df_full['a'] == 2]

df_part['b'] = 'Kentucky Fried Chicken'

print df_full

会导致：

   a  b
0  1  4
1  2  Kentucky Fried Chicken
2  3  6

我很清楚使用.loc[row_indexer, col_indexer]功能的能力，但即使使用mask变量作为row_indexer，对于更复杂的事情来说，它可能有点笨拙目的。

一点上下文 - 我将大型数据库表加载到数据框中，并希望在其中的一小部分上进行许多编辑。所以.loc[]变得单调乏味。也许我可以过滤掉那个小切片，编辑它，然后重新附加到原始的？

有什么想法吗？

Answer 1

简短回答

没有。你不想玩你必须继续检查/猜测你是在使用副本还是数据帧视图的游戏。

单一更新：正确的方式

.loc访问者是要走的路。 没有什么关于它的笨拙，虽然需要一些时间来适应。

无论你的标准多么复杂，如果它归结为布尔数组，.loc访问者仍然通常是正确的选择。您需要展示一个真正难以实施的示例。

df_full = pd.DataFrame({'a':[1,2,3], 'b':[4,5,6]})

df_full.loc[df_full['a'] == 2, 'b'] = 'Kentucky Fried Chicken'

#    a                       b
# 0  1                       4
# 1  2  Kentucky Fried Chicken
# 2  3                       6

单一更新：另一种方式

如果您发现.loc访问者难以实施，则另一种选择是numpy.where：

df_full['b'] = np.where(df_full['a'] == 2, 'Kentucky Fried Chicken', df_full['b'])

多次更新：适用于多种情况

可以使用

pandas.cut，numpy.select或numpy.vectorize来简化您的代码。这些的有用性取决于您尝试应用的具体逻辑。以下问题包括以下各项的示例：

Numpy “where” with multiple conditions

熊猫：编辑数据帧的一部分，让它影响主数据帧

1 个答案: