Pandas 和 numpy 之间的语法逻辑答案

【问题标题】：Syntax logic between Pandas and numpyPandas 和 numpy 之间的语法逻辑
【发布时间】：2021-11-24 11:51:40
【问题描述】：

我有一个关于 numpy 和 Pandas 的语法问题，可能还有更多 Python 模块。要在 numpy 中有效可以这样做：

b = np.ones((5,5))
b[1:-1, 1:-1] = 0
print(b)

但是，当我想用 Pandas 在 Dataframe 上做某事时，我使用了一个变量，否则它不起作用，就像这样：

df2 = pd.concat(out, ignore_index=True, axis=1)
df2 = df2.fillna(method='ffill')

以 df.to_csv 为例。我不明白为什么 Python 的模块不使用类似的语法。我错过了什么吗？

【问题讨论】：

您正在比较不同的操作。您所指的熊猫操作使事情变得明确； numpy 中的第一个操作是索引，这是有道理的。如果要进行比较，请寻找类似的过程进行比较
你说得对，我现在明白了一点，谢谢
您也可以将就地索引分配与列表一起使用；和dict。但是大多数 numpy 函数和方法都会返回新数组。 np.concatenate([arr1, arr2]); arr.reshape(3,4)。就地更改 pandas 列的值，添加列 df['newcol'] = np.arrange(10) 也是如此。

【解决方案1】：

它确实有效，只是它不是 pandas 的默认设置。你必须这样做：

df2.fillna(method='ffill', inplace=True)

可能这不是默认值，因为它不会像这样嵌套操作：

df2 = pd.concat(out, ignore_index=True, axis=1).fillna(method='ffill').replace(...).apply(...)

Pandas 实际上使用 numpy 数组。你可以像这样访问它们

df.values

或者这个

df["column"].values

【讨论】：

“inplace=True”是否让它工作？我以前不知道 Pandas 使用 numpy 数组，谢谢！
是的，它适用于 inplace=True，只是不要执行df2 = df2.fillna(method='ffill', inplace=True)，因为该函数将返回 None。此外，如果这回答了您的问题，您可以单击复选标记接受此答案