分配行的熊猫数组列表

Question

我有一个由 5 个熊猫数组组成的列表，每个数组大小为 4 x 3。 我想将它们的第三行更改为一行 0、一个、两个，无论列表中数组的索引是什么。 我编写了代码，一个 for 循环，当我打印结果时，它看起来正在工作：

A=pd.DataFrame(np.random.randn(4,3))
AList=5*[A]
AList[0].iloc[2,:]
for kkk0 in range(0,len(AList)):
    AList[kkk0].iloc[2,:]=kkk0*np.ones((1,3))
    print(AList[kkk0])
          0         1         2
0 -0.168639  0.300507  2.823529
1  0.608844  0.017578 -0.342164
2  0.000000  0.000000  0.000000
3  1.664176 -0.696303  0.239165
          0         1         2
0 -0.168639  0.300507  2.823529
1  0.608844  0.017578 -0.342164
2  1.000000  1.000000  1.000000
3  1.664176 -0.696303  0.239165
          0         1         2
0 -0.168639  0.300507  2.823529
1  0.608844  0.017578 -0.342164
2  2.000000  2.000000  2.000000
3  1.664176 -0.696303  0.239165
          0         1         2
0 -0.168639  0.300507  2.823529
1  0.608844  0.017578 -0.342164
2  3.000000  3.000000  3.000000
3  1.664176 -0.696303  0.239165
          0         1         2
0 -0.168639  0.300507  2.823529
1  0.608844  0.017578 -0.342164
2  4.000000  4.000000  4.000000
3  1.664176 -0.696303  0.239165

然而，荒谬的事情现在开始了： 当我在 for 循环结束后尝试查看 AList 的内容时，我发现 List 的所有组成 PAndas 数组的第三行都是 4 行！

AList
Out[3]: 
[          0         1         2
 0 -0.168639  0.300507  2.823529
 1  0.608844  0.017578 -0.342164
 2  4.000000  4.000000  4.000000
 3  1.664176 -0.696303  0.239165,
           0         1         2
 0 -0.168639  0.300507  2.823529
 1  0.608844  0.017578 -0.342164
 2  4.000000  4.000000  4.000000
 3  1.664176 -0.696303  0.239165,
           0         1         2
 0 -0.168639  0.300507  2.823529
 1  0.608844  0.017578 -0.342164
 2  4.000000  4.000000  4.000000
 3  1.664176 -0.696303  0.239165,
           0         1         2
 0 -0.168639  0.300507  2.823529
 1  0.608844  0.017578 -0.342164
 2  4.000000  4.000000  4.000000
 3  1.664176 -0.696303  0.239165,
           0         1         2
 0 -0.168639  0.300507  2.823529
 1  0.608844  0.017578 -0.342164
 2  4.000000  4.000000  4.000000
 3  1.664176 -0.696303  0.239165]

有什么想法吗？

Answer 1

A=pd.DataFrame(np.random.randn(4,3))
AList=5*[A]

# concat your list of frames
df = pd.concat(AList)
# use loc to assign values 
# use numpy's transpose with arange since you know the size of each padnas frame
df.loc[2, :] = np.transpose([np.arange(0,5)]*3)
# use numpy's split to split you frame back into a list of frames
AList_new = np.split(df, len(AList))

[          0         1         2
 0  1.687788 -0.770912 -0.027720
 1 -1.868220 -0.475117 -0.266580
 2  0.000000  0.000000  0.000000
 3 -0.537249  0.414133  1.623596,
           0         1         2
 0  1.687788 -0.770912 -0.027720
 1 -1.868220 -0.475117 -0.266580
 2  1.000000  1.000000  1.000000
 3 -0.537249  0.414133  1.623596,
           0         1         2
 0  1.687788 -0.770912 -0.027720
 1 -1.868220 -0.475117 -0.266580
 2  2.000000  2.000000  2.000000
 3 -0.537249  0.414133  1.623596,
           0         1         2
 0  1.687788 -0.770912 -0.027720
 1 -1.868220 -0.475117 -0.266580
 2  3.000000  3.000000  3.000000
 3 -0.537249  0.414133  1.623596,
           0         1         2
 0  1.687788 -0.770912 -0.027720
 1 -1.868220 -0.475117 -0.266580
 2  4.000000  4.000000  4.000000
 3 -0.537249  0.414133  1.623596]

Answer 2

这根本不是荒谬的。观察到行为的原因是，您创建了一个包含 5 次相同对象的列表。尽管您使用不同的索引来访问AList，但您始终访问的是同一个对象，因此如果您最后打印它，该对象将具有第 2 行中的最后一个值，即 4。 如果您执行@It_is_Chris 的逻辑，则 5 个对象会被连接起来，然后再次拆分。这是一种生成副本的漫长方式，您也可以这样做，只需对代码进行最小的更改：

import numpy as np

A=pd.DataFrame(np.random.randn(4,3))
# instead of creating a list with 5 identical 
# objects using 5 * [A], create 5 copies 
AList=[A.copy() for _ in range(5)]
AList[0].iloc[2,:]
for kkk0 in range(0,len(AList)):
    AList[kkk0].iloc[2,:]=kkk0*np.ones((1,3))
    print(AList[kkk0])
    
AList    

输出：

[          0         1         2
 0  0.319473 -0.503133 -0.394476
 1 -1.032836 -1.212072 -0.771076
 2  0.000000  0.000000  0.000000
 3  0.173137  0.387402 -1.256148,
           0         1         2
 0  0.319473 -0.503133 -0.394476
 1 -1.032836 -1.212072 -0.771076
 2  1.000000  1.000000  1.000000
 3  0.173137  0.387402 -1.256148,
           0         1         2
 0  0.319473 -0.503133 -0.394476
 1 -1.032836 -1.212072 -0.771076
 2  2.000000  2.000000  2.000000
 3  0.173137  0.387402 -1.256148,
           0         1         2
 0  0.319473 -0.503133 -0.394476
 1 -1.032836 -1.212072 -0.771076
 2  3.000000  3.000000  3.000000
 3  0.173137  0.387402 -1.256148,
           0         1         2
 0  0.319473 -0.503133 -0.394476
 1 -1.032836 -1.212072 -0.771076
 2  4.000000  4.000000  4.000000
 3  0.173137  0.387402 -1.256148]