python - 为什么带有两组括号的 .loc 分配会导致 pandas.DataFrame 中的 NaN？

Question

我有一个数据框：

	姓名	年龄
0	保罗	25
1	约翰	27
2	账单	23

我知道如果我输入：

df[['name']] = df[['age']]

我会得到以下信息：

	姓名	年龄
0	25	25
1	27	27
2	23	23

但我希望从命令中得到相同的结果：

df.loc[:, ['name']] = df.loc[:, ['age']]

但相反，我得到了这个：

	姓名	年龄
0	钠	25
1	钠	27
2	钠	23

出于某种原因，如果我省略[]列名周围的方括号，我会得到我所期望的。那是命令：

df.loc[:, 'name'] = df.loc[:, 'age']

给出正确的结果：

	姓名	年龄
0	25	25
1	27	27
2	23	23

为什么两对括号的.loc结果是 NaN？它是某种错误还是预期的行为？我无法弄清楚这种行为的原因。

标签： pythonpandasdataframenanseries

Answer 1

从文档Pandas Data Alignment（强调我的）：

从.loc 和 .iloc设置 Series 和 DataFrame 时，pandas会对齐所有 AXES 。

Basics您可以在标题下找到标有警告的这段摘录。他们举了一个例子来解释。

In [9]: df[['A', 'B']]
Out[9]: 
                   A         B
2000-01-01 -0.282863  0.469112
2000-01-02 -0.173215  1.212112
2000-01-03 -2.104569 -0.861849
2000-01-04 -0.706771  0.721555
2000-01-05  0.567020 -0.424972
2000-01-06  0.113648 -0.673690
2000-01-07  0.577046  0.404705
2000-01-08 -1.157892 -0.370647

In [10]: df.loc[:, ['B', 'A']] = df[['A', 'B']]

In [11]: df[['A', 'B']]
Out[11]: 
                   A         B
2000-01-01 -0.282863  0.469112
2000-01-02 -0.173215  1.212112
2000-01-03 -2.104569 -0.861849
2000-01-04 -0.706771  0.721555
2000-01-05  0.567020 -0.424972
2000-01-06  0.113648 -0.673690
2000-01-07  0.577046  0.404705
2000-01-08 -1.157892 -0.370647

来自文档（强调我的）：

这不会修改 df 因为列对齐是在赋值之前。

明确避免自动对齐

当您需要在没有索引的情况下执行某些操作（例如，禁用自动对齐）时，访问数组会很有用。

当 LHS 和 RHS 是数据帧时，对齐就会起作用。为避免对齐尝试使用。

df.loc[:, ['B', 'A']] = df[['A', 'B']].to_numpy()

---

你手头有两个案子，

• .loc与pd.DataFrame.
• .locpd.Series在编辑中分配。

.loc分配在pd.DataFrame

Inpd.DataFrame有 2 个轴index和columns. 所以，当你这样做

df.loc[:, ['name']] = df.loc[:, ['age']]

LHS 的列A与 RHS 列不对齐，B因此导致NaN分配后的所有内容。

• 数据对齐和算法

来自 Docs DataAlignment（强调我的）

DataFrame 对象之间的数据对齐会自动对齐列和索引（行标签）。同样，生成的对象将具有列和行标签的联合。

如果不是全部，您可以在大多数 pandas 的操作中找到这种行为。例如，加法、减法、乘法等。不匹配的索引和列用 填充NaN。

数据对齐和算法的示例

df = pd.DataFrame(np.random.randn(10, 4), columns=["A", "B", "C", "D"])
df2 = pd.DataFrame(np.random.randn(7, 3), columns=["A", "B", "C"])

df + df2 

         A         B         C   D
0  0.045691 -0.014138  1.380871 NaN
1 -0.955398 -1.501007  0.037181 NaN
2 -0.662690  1.534833 -0.859691 NaN
3 -2.452949  1.237274 -0.133712 NaN
4  1.414490  1.951676 -2.320422 NaN
5 -0.494922 -1.649727 -1.084601 NaN
6 -1.047551 -0.748572 -0.805479 NaN
7       NaN       NaN       NaN NaN
8       NaN       NaN       NaN NaN
9       NaN       NaN       NaN NaN

回答您的评论

但是为什么列索引需要匹配呢？我可以看到为什么要匹配行索引，但为什么要匹配列索引？

让我们看一下上面的例子，如果列不对齐，你将如何添加两个 DataFrame？在列和索引上对齐它们是有意义的。

---

.loc分配在pd.Series

pd.Series只有一个轴，即index。这就是为什么当你这样做时它起作用的原因

df.loc[:, 'name'] = df.loc[:, 'age']

由于pd.Series只有一个轴，pandas 尝试对齐index并且成功了。当然，如果index不对齐，则会产生NaN值。

来自文档Series Alignment（强调我的）：

未对齐系列之间的操作结果将包含所涉及的索引的并集。如果在一个系列或另一个系列中找不到标签，结果将被标记为缺失NaN。