数据框列中的意外分配答案

【问题标题】：Unexpected assignment in dataframe columns数据框列中的意外分配
【发布时间】：2021-07-13 16:23:42
【问题描述】：

我正在使用 pandas 数据框模拟数据，代码如下：

import pandas as pd
from random import randrange

df = pd.DataFrame()
df['YYYYMM'] = pd.Series(3*list(pd.date_range(start="1/1/2019", end="12/1/2020", freq="MS")))
df['Regions'] = pd.Series(['NA', 'EMEA', 'APAC']).repeat(24).reset_index()[0]

df_emea = df[df['Regions'] == 'EMEA'].copy()
df_emea["YYYYMM"] = df_emea["YYYYMM"].repeat(3).reset_index()['YYYYMM']
df_emea["country"] = pd.Series(24*['UK', 'Germany', 'France']).reset_index()[0]

df_na = df[df['Regions'] == 'NA'].copy()
df_na["YYYYMM"] = df_na["YYYYMM"].repeat(2).reset_index()['YYYYMM']
df_na["Country"] = pd.Series(24*['Canada', 'USA']).reset_index()[0]

df_apac = df[df['Regions'] == 'APAC'].copy()
df_apac["YYYYMM"] = df_apac["YYYYMM"].repeat(2).reset_index()['YYYYMM']
df_apac["Country"] = pd.Series(24*['China', 'Japan']).reset_index()[0]

除了df_apac，一切正常。不知何故，我在Country 列中有None，在YYYYMM 列中有NaT：

有人可以解释为什么会这样吗？

【问题讨论】：

从您的第四行代码中删除 freq="MS" 参数。
@etch_45，感谢您的评论，我为什么要删除它？它代表月份开始。
有趣。这看起来像一个类似于 one 不久前的错误，它还涉及 df.reset_index 和数据损坏。

标签： python pandas dataframe

【解决方案1】：

您遇到了索引问题。由于您不重置初始 df_xxx 数据帧的索引，因此它们会保留初始数据帧中的索引。因此，当您稍后尝试添加新列时，索引未对齐。

所以快速解决方法是使用：

df_emea = df[df['Regions'] == 'EMEA'].copy().reset_index(drop=True)
...
df_na = df[df['Regions'] == 'NA'].copy().reset_index(drop=True)
...
df_apac = df[df['Regions'] == 'APAC'].copy().reset_index(drop=True)
...

我现在给出了df_apac 的预期结果，但您仍然被 df_emea 的 48 行困住，而您需要 72 行才能接受 3 个国家/地区。但它可能满足您的要求...

【讨论】：

谢谢，这对我有帮助。