从另一个 DataFrame 分配给切片需要匹配的列名？答案

【问题标题】：Assigning to a slice from another DataFrame requires matching column names?从另一个 DataFrame 分配给切片需要匹配的列名？
【发布时间】：2018-07-14 03:13:14
【问题描述】：

如果我想用另一个数据帧的值设置（替换）一部分，我应该能够像这样分配给一个切片（如question）：

df.loc[rows, cols] = df2

在这种情况下不是这样，而是将切片归零：

In [32]: df
Out[32]: 
   A         B
0  1 -0.240180
1  2 -0.012547
2  3 -0.301475

In [33]: df2
Out[33]: 
   C
0  x
1  y
2  z

In [34]: df.loc[:,'B']=df2

In [35]: df
Out[35]: 
   A   B
0  1 NaN
1  2 NaN
2  3 NaN

但它只适用于df2 中的一列（系列），如果我想要多个列，这不是一个选项：

In [36]: df.loc[:,'B']=df2['C']

In [37]: df
Out[37]: 
   A  B
0  1  x
1  2  y
2  3  z

或者如果列名匹配：

In [47]: df3
Out[47]: 
   B
0  w
1  a
2  t

In [48]: df.loc[:,'B']=df3

In [49]: df
Out[49]: 
   A  B
0  1  w
1  2  a
2  3  t

这是预期的吗？我在文档或 Stackoverflow 中没有看到任何解释。

【问题讨论】：

标签： pandas dataframe slice

【解决方案1】：

你可以使用底层的 NumPy 数组：

df.loc[:,'B'] = df2.values

df
   A  B
0  1  x
1  2  y
2  3  z

Pandas 索引总是对行和列的标签敏感。在这种情况下，您的行会签出，但您的列不会签出。 (B != C)。

使用底层 NumPy 数组使操作对索引不敏感。

当df2 是一个系列时，这个确实起作用的原因是因为系列没有列的概念。唯一的对齐方式是对齐的行。

【讨论】：

【解决方案2】：

是的，这是意料之中的。标签对齐是 pandas 的核心功能之一。当您使用df.loc[:,'B'] = df2 时，它需要对齐两个DataFrame：

df.align(df2)
Out: 
(   A         B   C
 0  1 -0.240180 NaN
 1  2 -0.012547 NaN
 2  3 -0.301475 NaN,     A   B  C
 0 NaN NaN  x
 1 NaN NaN  y
 2 NaN NaN  z)

上面显示了每个 DataFrame 在作为元组对齐时的外观（第一个是 df，第二个是 df2）。如果您的 df2 也有一个名为 B 且值为 [1, 2, 3] 的列，它将变为：

df.align(df2)
Out: 
(   A         B   C
 0  1 -0.240180 NaN
 1  2 -0.012547 NaN
 2  3 -0.301475 NaN,     A  B  C
 0 NaN  1  x
 1 NaN  2  y
 2 NaN  3  z)

由于 B 是对齐的，因此您的分配将导致

df.loc[:,'B'] = df2

df
Out: 
   A  B
0  1  1
1  2  2
2  3  3

当您使用系列时，对齐将在单个轴上（在您的示例中位于索引上）。由于它们完全匹配，所以不会有问题，它会将值从df2['C'] 分配给df['B']。

您可以在对齐之前重命名标签，也可以使用没有标签的数据结构（numpy 数组、列表、元组...）。

【讨论】：