python - 如何将分层索引的 Pandas DataFrame 的一行分配给另一行？

Question

我正在尝试将分层索引的 Pandas DataFrame 的一行分配给 DataFrame 的另一行。以下是一个最小的示例。

import numpy as np    
import pandas as pd

columns = pd.MultiIndex.from_tuples([('a', 0), ('a', 1), ('b', 0), ('b', 1)])
data = pd.DataFrame(np.random.randn(3, 4), columns=columns)

print(data)
data.loc[0, 'a'] = data.loc[1, 'b']
print(data)

这会用 NaN 填充第 0 行，而不是第 1 行中的值。我注意到我可以通过在赋值之前转换为 ndarray 来绕过它:

data.loc[0, 'a'] = np.array(data.loc[1, 'b'])

这种行为大概是有原因的，并且有一种惯用的分配方式？

编辑:在杰夫的回答让我意识到我过度简化了问题后修改了问题。

Answer 1

In [38]: data = pd.DataFrame(np.random.randn(3, 2), columns=columns)

In [39]: data
Out[39]: 
          a          
          0         1
0  1.657540 -1.086500
1  0.700830  1.688279
2 -0.912225 -0.199431

In [40]: data.loc[0,'a']
Out[40]: 
0    1.65754
1   -1.08650
Name: 0, dtype: float64

In [41]: data.loc[1,'a']
Out[41]: 
0    0.700830
1    1.688279
Name: 1, dtype: float64

在您的示例中，请注意分配元素的索引是 [0,1]；这些与 ('a',0),('a',1) 列不匹配。因此，您最终会有效地重新索引不存在的元素，因此您会得到nan。

一般来说，最好让 pandas '找出'rhs 对齐(就像你在这里所做的那样，掩盖 lhs)。

In [42]: data.loc[0,'a'] = data.loc[1,:]

In [43]: data
Out[43]: 
          a          
          0         1
0  0.700830  1.688279
1  0.700830  1.688279
2 -0.912225 -0.199431

你也可以这样做

data.loc[0] = data.loc[1]

这是另一种方法:

In [96]: data = pd.DataFrame(np.arange(12).reshape(3,4), columns=pd.MultiIndex.from_product([['a','b'],[0,1]]))

In [97]: data
Out[97]: 
   a      b    
   0  1   0   1
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

In [98]: data.loc[0,'a'] = data.loc[1,'b'].values

In [99]: data
Out[99]: 
   a      b    
   0  1   0   1
0  6  7   2   3
1  4  5   6   7
2  8  9  10  11

Pandas 总是会对齐数据，这就是为什么这不能自然地工作。你故意不对齐。