在熊猫中创建多个列时，为什么括号[]和.loc的工作方式有所不同

我很困惑为什么在创建多个列时括号[]和.loc的行为会有所不同。我研究了其他类似的问题，但无法得到答案。

例如，

>>> dates = pd.date_range('1/1/2000', periods=8)
>>> df = pd.DataFrame(np.random.randn(8, 4), index=dates, columns=['A', 'B', 'C', 'D'])
>>> df
                    A         B         C         D
2000-01-01 -1.011264 -1.751948  0.059012  0.514253
2000-01-02  0.596959  0.348866 -1.011628  0.950259
2000-01-03  0.305281  0.486400 -1.034534 -1.523402
2000-01-04 -0.880457  0.379837  2.023866  1.588379
2000-01-05 -1.142070 -0.168992 -0.391355  0.809820
2000-01-06 -0.335015  0.721563 -0.665120 -1.097811
2000-01-07 -0.160611 -0.601393 -0.257349 -0.830527
2000-01-08  0.197624 -0.082786  1.335873 -0.841006

如果我使用括号创建多个列，则可以如下。

>>> df[['E','F']] = df[['A','B']]
>>> df
                   A         B         C         D         E         F
2000-01-01 -1.011264 -1.751948  0.059012  0.514253 -1.011264 -1.751948
2000-01-02  0.596959  0.348866 -1.011628  0.950259  0.596959  0.348866
2000-01-03  0.305281  0.486400 -1.034534 -1.523402  0.305281  0.486400
2000-01-04 -0.880457  0.379837  2.023866  1.588379 -0.880457  0.379837
2000-01-05 -1.142070 -0.168992 -0.391355  0.809820 -1.142070 -0.168992
2000-01-06 -0.335015  0.721563 -0.665120 -1.097811 -0.335015  0.721563
2000-01-07 -0.160611 -0.601393 -0.257349 -0.830527 -0.160611 -0.601393
2000-01-08  0.197624 -0.082786  1.335873 -0.841006  0.197624 -0.082786

但是，如果我使用.loc方法来创建多个列，则它不起作用。

>>> df.loc[:,['H','I']] = df[['A','B']]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:Pythonlibsite-packagespandascoreindexing.py", line 189, in __setitem__
    indexer = self._get_setitem_indexer(key)
  File "C:Pythonlibsite-packagespandascoreindexing.py", line 167, in _get_setitem_indexer
    return self._convert_tuple(key, is_setter=True)
  File "C:Pythonlibsite-packagespandascoreindexing.py", line 248, in _convert_tuple
    idx = self._convert_to_indexer(k, axis=i, is_setter=is_setter)
  File "C:Pythonlibsite-packagespandascoreindexing.py", line 1354, in _convert_to_indexer
    return self._get_listlike_indexer(obj, axis, **kwargs)[1]
  File "C:Pythonlibsite-packagespandascoreindexing.py", line 1161, in _get_listlike_indexer
    raise_missing=raise_missing)
  File "C:Pythonlibsite-packagespandascoreindexing.py", line 1246, in _validate_read_indexer
    key=key, axis=self.obj._get_axis_name(axis)))
KeyError: "None of [Index(['H', 'I'], dtype='object')] are in the [columns]"

.loc方法仅创建一个列时运行良好。（方括号也可以工作。）

>>> df.loc[:,'G'] = df['A']
>>> df
                   A         B         C         D         E         F         G
2000-01-01 -1.011264 -1.751948  0.059012  0.514253 -1.011264 -1.751948 -1.011264
2000-01-02  0.596959  0.348866 -1.011628  0.950259  0.596959  0.348866  0.596959
2000-01-03  0.305281  0.486400 -1.034534 -1.523402  0.305281  0.486400  0.305281
2000-01-04 -0.880457  0.379837  2.023866  1.588379 -0.880457  0.379837 -0.880457
2000-01-05 -1.142070 -0.168992 -0.391355  0.809820 -1.142070 -0.168992 -1.142070
2000-01-06 -0.335015  0.721563 -0.665120 -1.097811 -0.335015  0.721563 -0.335015
2000-01-07 -0.160611 -0.601393 -0.257349 -0.830527 -0.160611 -0.601393 -0.160611
2000-01-08  0.197624 -0.082786  1.335873 -0.841006  0.197624 -0.082786  0.197624

我对为什么.loc在创建多个列中没有用作方括号感到困惑。我更喜欢明确的方式，就像.loc []一样，我对其功能有时受到限制的事实感到困扰。我想念什么吗？我可以问为什么他们在这种情况下的工作方式有所不同？

*与原始问题的补充 *

.loc []方法将其分配给现有列时会生成NAN列。例如，

>>>df[['E','F']] = df[['A','B']] >>> df A B ... E F 2000-01-01 0.934380 -0.321112 ... 0.934380 -0.321112 2000-01-02 -0.760045 0.646212 ... -0.760045 0.646212 2000-01-03 0.645231 -0.910008 ... 0.645231 -0.910008 2000-01-04 -1.117132 2.595804 ... -1.117132 2.595804 2000-01-05 -1.273579 0.291202 ... -1.273579 0.291202 2000-01-06 0.142610 -0.368157 ... 0.142610 -0.368157 2000-01-07 0.567490 -1.598343 ... 0.567490 -1.598343 2000-01-08 1.300694 0.498405 ... 1.300694 0.498405

i生成了新列E，F，并尝试使用.loc []方法从C，D分配新值。

>>>df.loc[:,['E','F']] = df[['C','D']]

>>>df A B C D E F 2000-01-01 0.934380 -0.321112 0.747195 -0.991180 NaN NaN 2000-01-02 -0.760045 0.646212 -0.121421 2.262384 NaN NaN 2000-01-03 0.645231 -0.910008 0.170989 -1.552823 NaN NaN 2000-01-04 -1.117132 2.595804 0.569809 1.575253 NaN NaN 2000-01-05 -1.273579 0.291202 0.688443 -0.581674 NaN NaN 2000-01-06 0.142610 -0.368157 -0.674774 -1.961087 NaN NaN 2000-01-07 0.567490 -1.598343 -1.346179 -1.139205 NaN NaN 2000-01-08 1.300694 0.498405 -0.358015 -1.637471 NaN NaN

似乎使用.loc []仍然会遇到问题。

正如先前所说的那样是故意完成的。这里有几个例子：

看起来与__getitem__有关，当使用[]

时称为

让我们看一些错误：

df['H']将模拟错误返回到df.loc[:,'H']似乎都使用pandascoreframe.py __getitem__，这就是为什么它们在设置时行为相同的原因：

df['H'] = df['A']
df.loc[:, 'H'] = df['A']

当您将loc与列表（df.loc[:, ['H', 'I']]或df.loc[:, ['H']]）一起使用时，它不再使用pandascoreframe.py __getitem__，它使用pandascoreindexing.py __getitem__将raise_missing设置为_validate_read_indexer

中的false

此功能中有评论提供一些信息：

    # We (temporarily) allow for some missing keys with .loc, except in
    # some cases (e.g. setting) in which "raise_missing" will be False

df[['H','I']]使用pandascoreframe.py __getitem__，这就是为什么设置时没有错误的原因。

这只是我对正在发生的事情的猜测。

您在文档中解释了有关df.loc[:,['E','F']] = df[['C','D']]的另一个问题，"交换列值的正确方法是使用原始值"。您应该使用to_numpy()：df.loc[:,['E','F']] = df[['C','D']].to_numpy()

这是在0.21.0之后向熊猫投入的意图行为。

错误消息的根部是此部分，其中dataframe中缺少" H"或" I"：

df.loc[:,['H','I']]

使用带有.loc和缺少值的列表会引起键盘。

相关内容

最新更新

热门标签：