将 numpy 数组存储在 pandas 数据框（Python）的多个单元格中

Question

我在这里很新。我有一个这样的熊猫数据框：

                    078401115X            0790747324            0790750708

A10ODC971MDHV8          0                     0             [(354, 1), (393, 1)]
A16CZRQL23NOIW          0              [(124, 1), (697, 1)]          0
A19ZXK9HHVRV1X          0                     0                      0

我有列为零的索引（第一行）：

['078401115X',
'0790747324']

现在，我正在尝试在 pandas 数据框的这些位置存储零的 numpy 数组，无论如何都可以在没有“for 循环”的情况下直接执行此操作，我设法处理标量值，但我不能这样做使用 numpy 数组。

非常感谢您的帮助。

Answer 1

df.loc[list_indices, column_name] = np.zeros(4)

是你想要的。 df 是您的数据框，list_indices 是行为 0 的索引列表，np.zeros 是一个零列表。如果您想要不同的课程长度，请更改 4。

df.loc[list_indices, column_name] 选择在list_indices 内具有索引的行和在column_name 内具有索引的列。

Answer 2

.loc 和 DataFrame 维度匹配的多行分配

这是使用零索引的.loc 的完整解决方案，并克服了您的尺寸/长度错误

error: 'cannot set using a list-like indexer with a different length than the value'

要匹配维度，请在分配给零索引而不是分配原始数组时，以您想要/需要的形状创建零数组的DataFrame。

import numpy as np
import pandas as pd
from cStringIO import StringIO

# Create example DataFrame
df_text = '''
078401115X|                                                0
0790747324|                                                0
0790750708|[(354, 1), (393, 1), (447, 1), (642, 1), (886,1)]
0800103688|                                                0
5556167281|[(41, 1), (86, 1), (341, 1), (362, 1), (419, 10)]
6300157423|                                                0
6300266850|                                                0
6301699599|                                                0
6301723465|                                                0
'''
df = pd.read_table(StringIO(df_text), sep='|', index_col=0, header=None, skipinitialspace=True)

print 'Original DataFrame:'
print df
print

# Find indexes with zero data in first column
zero_indexes = df[df[1] == '0'].index

print 'Zero Indexes:'
print zero_indexes.tolist()
print

# Assign numpy zero array to indexes
df.loc[zero_indexes] = pd.DataFrame([[np.zeros(4)]], index=zero_indexes, columns=[1])

print 'New DataFrame:'
print df

---

Original DataFrame:
                                                            1
0                                                            
078401115X                                                  0
0790747324                                                  0
0790750708  [(354, 1), (393, 1), (447, 1), (642, 1), (886,1)]
0800103688                                                  0
5556167281  [(41, 1), (86, 1), (341, 1), (362, 1), (419, 10)]
6300157423                                                  0
6300266850                                                  0
6301699599                                                  0
6301723465                                                  0

Zero Indexes:
['078401115X', '0790747324', '0800103688', '6300157423', '6300266850', '6301699599', '6301723465']

New DataFrame:
                                                            1
0                                                            
078401115X                               [0.0, 0.0, 0.0, 0.0]
0790747324                               [0.0, 0.0, 0.0, 0.0]
0790750708  [(354, 1), (393, 1), (447, 1), (642, 1), (886,1)]
0800103688                               [0.0, 0.0, 0.0, 0.0]
5556167281  [(41, 1), (86, 1), (341, 1), (362, 1), (419, 10)]
6300157423                               [0.0, 0.0, 0.0, 0.0]
6300266850                               [0.0, 0.0, 0.0, 0.0]
6301699599                               [0.0, 0.0, 0.0, 0.0]
6301723465                               [0.0, 0.0, 0.0, 0.0]