带就地填充的索引[重复]

如果DataFrame有一个简单的列索引,那么就没有区别了。 例如

In [8]: df = pd.DataFrame(np.arange(12).reshape(4,3), columns=list('ABC'))

In [9]: df.loc[:, ['A','B']]
Out[9]: 
   A   B
0  0   1
1  3   4
2  6   7
3  9  10

In [10]: df.loc[:, ('A','B')]
Out[10]: 
   A   B
0  0   1
1  3   4
2  6   7
3  9  10

但如果数据帧具有多索引,则可能会有很大的不同:

df = pd.DataFrame(np.random.randint(10, size=(5,4)),
                  columns=pd.MultiIndex.from_arrays([['foo']*2+['bar']*2,
                                                     list('ABAB')]),
                  index=pd.MultiIndex.from_arrays([['baz']*2+['qux']*3,
                                                   list('CDCDC')]))

#       foo    bar   
#         A  B   A  B
# baz C   7  9   9  9
#     D   7  5   5  4
# qux C   5  0   5  1
#     D   1  7   7  4
#     C   6  4   3  5

In [27]: df.loc[:, ('foo','B')]
Out[27]: 
baz  C    9
     D    5
qux  C    0
     D    7
     C    4
Name: (foo, B), dtype: int64

In [28]: df.loc[:, ['foo','B']]
KeyError: 'MultiIndex Slicing requires the index to be fully lexsorted tuple len (1), lexsort depth (0)'

关键错误是,必须对多索引进行排序。如果我们这样做,我们仍然会得到不同的结果:

In [29]: df.sortlevel(axis=1).loc[:, ('foo','B')]
Out[29]: 
baz  C    9
     D    5
qux  C    0
     D    7
     C    4
Name: (foo, B), dtype: int64

In [30]: df.sortlevel(axis=1).loc[:, ['foo','B']]
Out[30]: 
      foo   
        A  B
baz C   7  9
    D   7  5
qux C   5  0
    D   1  7
    C   6  4

为什么? df.sortlevel(axis=1).loc[:, ('foo','B')] 选择第一列级别等于的列 foo ,第二列级别为 B .

相反 df.sortlevel(axis=1).loc[:, ['foo','B']] 选择第一列级别为 福 或 B .关于第一列级别,没有 B 列,但有两个 福 柱。

df.loc[...] 像 一 表示 ,你应该假设 df.loc 可能正在返回副本或视图。熊猫文件没有规定任何你应该遵守的规则。 然而,如果你 分配 形式

df.loc[...] = value

然后你可以相信熊猫会改变 df 它本身

文档之所以警告要区分视图和副本,是为了让您知道使用表单的链指定的陷阱

df.loc[...][...] = value

这里,熊猫 df。loc[…] 首先,它可能是视图或副本。如果是副本,那么

df。loc[…][...] = 价值

正在修改 df ,因此对 df 它本身雪上加霜的是,对副本的影响也会丢失,因为没有对副本的引用,因此在赋值语句完成后无法访问副本,因此(至少在CPython中)副本很快就会被垃圾收集。

我不知道有什么实用的防傻子方法 先验的 确定是否 df。loc[…] 将返回视图或副本。

然而,有一些经验法则可能有助于指导你的直觉(但请注意,我们在这里讨论的是实现细节,因此不能保证熊猫将来需要这样做):

• 如果生成的NDFrame不能表示为 基本的NumPy数组,那么它可能是一个副本。因此,选择任意行或列将导致复制。选择连续行和/或连续列(可以表示为切片)可能会返回视图。
• 如果生成的NDFrame具有不同数据类型的列,则 df。loc 可能会再次返回一份副本。

然而,有一种简单的方法可以确定 x = df.loc[..] 这是一种观点 后天的 :只需查看是否在 x df .如果是,那就是一种观点,如果不是, 十、 这是一份副本。