python - NaN 出现在 Pandas 中的多索引赋值

Question

我正在解决一个问题，我试图逐个切片构建一个多数组，但结果总是得到 NaN。这是一个最小的工作示例:

midx = pd.MultiIndex(levels=[['zero', 'one'], ['x', 'y']], codes=[[1, 1, 0, 0], [1, 0, 1, 0]])
df = pd.DataFrame(0, index=midx, columns=['A','B'])    #empty array
df1 = pd.DataFrame(np.random.randn(2, 2))                   #the array I want my slice to equal

df.loc['one']     # good so far
df.loc['one']=df1 # ok .....
df.loc['one']     # all NaNs

####### Output ########
>>> df
        A  B
one  y  0  0
     x  0  0
zero y  0  0
     x  0  0
>>> df.loc['one']
   A  B
y  0  0
x  0  0
>>> df.loc['one']=df1
>>> df.loc['one']
    A   B
y NaN NaN
x NaN NaN

这是为什么，我该如何解决？

Answer 1

当将 df1 分配给 df.loc['one'] 时，Pandas 会尝试对齐索引值……但它们不会。使用 df1 的 values 属性代替

df.loc['one'] = df1.values

---

嗯……就算他们排了队，好像也行不通。我的建议确实适用于您的示例，但仍有问题。

假设 df1 定义为:

df1 = pd.DataFrame(np.random.randn(2, 2), index=['x', 'y'], columns=['A', 'B']) 

---

这将更加保证值正确排列，但它有点让我感到恶心......

df.loc['one'] = df1.reindex_like(df.loc['one']).values

---

另一个将必要级别添加到 df1

的 hack

df.update(pd.concat({'one': df1}))