我有一个数据框：
| name | age | |
|---|---|---|
| 0 | Paul | 25 |
| 1 | John | 27 |
| 2 | Bill | 23 |
我知道如果我输入：
df[['name']] = df[['age']]
我会得到以下内容：
| name | age | |
|---|---|---|
| 0 | 25 | 25 |
| 1 | 27 | 27 |
| 2 | 23 | 23 |
但我希望命令的结果相同：
df.loc[:, ['name']] = df.loc[:, ['age']]
但是，我得到了这个：
| name | age | |
|---|---|---|
| 0 | NaN | 25 |
| 1 | NaN | 27 |
| 2 | NaN | 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：
| name | age | |
|---|---|---|
| 0 | 25 | 25 |
| 1 | 27 | 27 |
| 2 | 23 | 23 |
为什么两对带有 .loc 的括号会导致 NaN？ 这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。
【问题讨论】：
标签： python pandas dataframe nan series
Pandas Data Alignment(emphasis mine):pandas 在从 .loc 和 .iloc 设置 Series 和 DataFrame 时对齐所有 AXES。
您可以在Basics header 下找到标有警告的这段摘录。
他们已经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（重点是我的）：
这将不会修改 df，因为列对齐是在赋值之前。
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 分配与pd.DataFrame。.loc 在 EDIT 中分配 pd.Series。.loc 分配在pd.DataFrame
在pd.DataFrame 中有两个轴index 和columns。所以，当你这样做时
df.loc[:, ['name']] = df.loc[:, ['age']]
LHS 的列 A 与 RHS 列 B 不对齐，因此在分配后导致所有 NaN。
来自文档DataAlignment（强调我的）
DataFrame 对象之间的数据对齐自动在列和索引（行标签）上对齐。同样，生成的对象将具有列标签和行标签的并集。
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NaN填充。
数据对齐和算法示例
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
回答你的comment
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。
.locpd.Series 中的分配
pd.Series 只有一个轴，即index。这就是为什么它在你这样做时起作用的原因
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。
Series Alignment(emphasis mine):未对齐系列之间的操作的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未找到标签，结果将被标记为缺少
NaN。
【讨论】：
df[['name']] = df[['age']] 不是这种情况？我的意思是 df[['name']] 和 df[['age']] 返回 pd.DataFrame 对象。但是这个赋值的结果是正确的（没有NaNs）。为什么在这种情况下不再对齐？
.loc 和 .iloc 进行设置/分配时才会生效。
df[['A', 'B']] = df[['B', 'A']] 来验证这一点会交换列，但是当与.loc 一起使用时，即df.loc[:, ['B', 'A']] = df[['A', 'B']] 它们不会交换`
当您使用双括号 [[]] 时，您正在分配一个 DataFrame。你想要的是分配一个（列）系列，为此你只使用一个括号 []。
这里有一些代码：
import pandas as pd
df = pd.DataFrame({'name':['Paul','John','Bill'], 'age':[25,27,23]})
print('Inital Dataframe:\n',df)
df[['name']] = df[['age']]
print("\ndf[['name']] = df[['age']]\n",df)
print("df.loc[:, ['age']]:", type(df.loc[:, ['age']]))
print("df.loc[:, ['name']]:", type(df.loc[:, ['name']]))
df.loc[:, ['name']] = df.loc[:, ['age']]
print("\ndf.loc[:, ['name']] = df.loc[:, ['age']]\n",df)
print('=======================')
df = pd.DataFrame({'name':['Paul','John','Bill'], 'age':[25,27,23]})
print('Inital Dataframe:\n',df)
print("type(df.loc[:, 'age']):", type(df.loc[:, 'age']))
print("type(df.loc[:, 'name']):", type(df.loc[:, 'name']))
df.loc[:, 'name'] = df.loc[:, 'age']
print("\ndf.loc[:, 'name'] = df.loc[:, 'age']\n",df)
还有输出：
Inital Dataframe:
name age
0 Paul 25
1 John 27
2 Bill 23
df[['name']] = df[['age']]
name age
0 25 25
1 27 27
2 23 23
df.loc[:, ['age']]: <class 'pandas.core.frame.DataFrame'>
df.loc[:, ['name']]: <class 'pandas.core.frame.DataFrame'>
df.loc[:, ['name']] = df.loc[:, ['age']]
name age
0 NaN 25.0
1 NaN 27.0
2 NaN 23.0
=======================
Inital Dataframe:
name age
0 Paul 25
1 John 27
2 Bill 23
type(df.loc[:, 'age']): <class 'pandas.core.series.Series'>
type(df.loc[:, 'name']): <class 'pandas.core.series.Series'>
df.loc[:, 'name'] = df.loc[:, 'age']
name age
0 25 25
1 27 27
2 23 23
但是，这是另一个奇怪的行为：将双括号分配给差异变量，例如 df1 和 df2，然后 df1 = df2 有效！
这里还有一些代码：
df = pd.DataFrame({'name':['Paul','John','Bill'], 'age':[25,27,23]})
print('Inital Dataframe:\n',df)
df1 = df.loc[:, ['name']]
df2 = df.loc[:, ['age']]
print("\ndf1 = df.loc[:, ['name']]\n",df1)
print("\ndf2 = df.loc[:, ['age']]\n",df2)
df1=df2
print("\ndf1=df2\ndf1:\n",df1)
还有输出：
Inital Dataframe:
name age
0 Paul 25
1 John 27
2 Bill 23
df1 = df.loc[:, ['name']]
name
0 Paul
1 John
2 Bill
df2 = df.loc[:, ['age']]
age
0 25
1 27
2 23
df1=df2
df1:
age
0 25
1 27
2 23
【讨论】：
这是因为对于 loc 分配，所有索引轴都对齐，包括列：由于 age 和 name 不匹配，因此没有要分配的数据，因此是 NaN。
您可以通过重命名列来使其工作：
df.loc[:, ["name"]] = df.loc[:, ["age"]].rename(columns={"age": "name"})
或通过访问 numpy 数组：
df.loc[:, ["name"]] = df.loc[:, ["age"]].values
【讨论】：