python - Pandas 使用 numpy 数组填充值

Question

我有一个这样的数据框，它还有其他列，但这一列很重要:

df = pd.DataFrame({'A': ['foo','bar','baz','foo','bar','bar','baz','foo']})

我正在尝试创建另一列，然后将数组值添加到与 A 列匹配的新列。

新列:df['B'] = np.nan

数组:arr = np.array([5,3,9])

尝试

我想将数组分配给 A 列中的所有 foo

df['B'] = np.where(df['A']=='foo',arr,np.nan) # ValueError: operands could not be 
                                              # broadcast together with shapes 
                                              # (8,) (3,) () 

我也尝试过:

df['B'][df['A']=='foo'].values = arr # AttributeError: can't set attribute

最后，

df['B'] = df['B'][df['A']=='foo'].map(arr) # TypeError: 'numpy.ndarray' object is not callable

预期输出

     A   B
0  foo   5
1  bar NaN
2  baz NaN
3  foo   3
4  bar NaN
5  bar NaN
6  baz NaN
7  foo   9

Answer 1

如果您确定 arr的长度与 'foo' 出现的次数相同，您可以使用以下内容来设置值:

df.loc[df['A'] == 'foo', 'B'] = arr

这有点像 df['B'][df['A']=='foo'] = arr (接近您尝试过的方法之一)，但避免链式赋值(这可能导致值设置不正确，或根本不正确)。