pandas|pandas DataFrame 赋值的注意事项说明(index) pandasDataFrame赋值的注意事项说

一 pandas DataFrame一列赋值问题
说明，把b的列赋值给a
情况1：a,b index设置相同如下代码

import pandas as pdimport numpy as npa = pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))b = pd.DataFrame(np.array([11,22,33,44]),index=list('abcd'),columns=['m'])a['m'] = b['m']print(a)

上述代码结果如下

wxyzma0123 11b4567 22c89 10 11 33d 12 13 14 15 44

情况一是最基本的情况，结果也符合预期，之所以符合预期是因为a,b都设有同样的index，赋值操作按照index来到。如果b不设置Index，而是使用默认的index呢？
情况2：b的index采用默认值代码如下

import pandas as pdimport numpy as npa = pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))b = pd.DataFrame(np.array([11,22,33,44]),columns=['m'])a['m'] = b['m']print(a)

【pandas|pandas DataFrame 赋值的注意事项说明(index)】结果如下

wxyzma0123 NaNb4567 NaNc89 10 11 NaNd 12 13 14 15 NaN

情况二，结果超出了想象，b中的index为0，1，2，3与a中的index（‘a',‘b',‘c',‘d'）不同，在赋值的过程中，是按照a中的index在b中找index相同位置的值，由于index不同，因此，给a赋值为NaN
情况三 : b中的部分Index与a中的相同代码如下

import pandas as pdimport numpy as npa = pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))b = pd.DataFrame(np.array([11,22,33,44]),index=list('arpb'),columns=['m'])a['m'] = b['m']print(a)

结果如下

wxyzma0123 11.0b4567 44.0c89 10 11NaNd 12 13 14 15NaN

由情况三结果可知，只有Index相同的行，赋值才能成功
总结：从以上可以看出，Pandas DataFrame严格按照Index进行赋值，如果Index不同的话，则赋值为NaN
补充：python编程过程中DataFrame修改特定单元格值后原数据不变的一个解决方案
最近在参加了一个比赛，里面设计到数据清洗的工作，需要对一些异常值作出修改，往常我都是这样操作的