当由复杂索引和基于布尔的条件进行子集时，如何为 pandas 数据帧赋值

Question

我想用复杂的子集模式替换熊猫数据帧中的值。

使用 .loc 访问器，我只能通过链接多个条件来进行子集化，因为某些条件是基于索引的。但似乎我无法在这样的子集链之后分配值。更新：另一个问题是由重复的指示引起的。我已经相应地更新了示例。

import numpy as np
import pandas as pd
df = pd.DataFrame({'a': ['foo'] * 10 + ['bar'] * 10, 'b': range(20)}, index=pd.date_range('2019-01-01','2019-01-10').append(pd.date_range('2019-01-01','2019-01-10')))
df.loc[df['a'] == 'foo', 'b'].loc[pd.to_datetime(['2019-01-05','2019-01-09'])] = np.nan
df

结果：

              a     b
2019-01-01  foo     0
2019-01-02  foo     1
2019-01-03  foo     2
2019-01-04  foo     3
2019-01-05  foo     4
2019-01-06  foo     5
2019-01-07  foo     6
2019-01-08  foo     7
2019-01-09  foo     8
2019-01-10  foo     9
2019-01-01  bar     10
2019-01-02  bar     11
2019-01-03  bar     12
2019-01-04  bar     13
2019-01-05  bar     14
2019-01-06  bar     15
2019-01-07  bar     16
2019-01-08  bar     17
2019-01-09  bar     18
2019-01-10  bar     19

预期：

              a     b
2019-01-01  foo     0
2019-01-02  foo     1
2019-01-03  foo     2
2019-01-04  foo     3
2019-01-05  foo     NaN
2019-01-06  foo     5
2019-01-07  foo     6
2019-01-08  foo     7
2019-01-09  foo     NaN
2019-01-10  foo     9
2019-01-01  bar     10
2019-01-02  bar     11
2019-01-03  bar     12
2019-01-04  bar     13
2019-01-05  bar     14
2019-01-06  bar     15
2019-01-07  bar     16
2019-01-08  bar     17
2019-01-09  bar     18
2019-01-10  bar     19

我尝试了其他方法，例如：

df.loc[df['a'] == 'foo' and df.index.isin(['2019-01-05','2019-01-09']), 'b']

其中下降：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

即使这样也不起作用，因为 isin 返回一个没有基于日期的索引的数组：

df['a'] == 'foo' and pd.Series(df.index.isin(['2019-01-05','2019-01-09']))

Answer 1

你可以

用一个.loc链loc赋值将不安全

df.loc[df.index.isin(['2019-01-05','2019-01-09'])&df.a.eq('foo'),'b']=np.nan