python - .loc 在多级索引数据帧上的意外行为

Question

对于具有多级索引的数据帧，我遇到了 .loc 的行为，我无法解释。

设置:

import pandas as pd
df = pd.DataFrame({'ID': [1, 2, 3, 4],
                   'DT': [2018, 2018, 2017, 2018],
                   'F1': [0, 1, 0, 0],
                   'F2': [0, 0, 1, 0]  })

df.loc[5]= [5, 2019, 1, 0]
df

到目前为止，一切都很好，看起来像(注意插入了索引为 5 的行):

   ID    DT  F1  F2
0   1  2018   0   0
1   2  2018   1   0
2   3  2017   0   1
3   4  2018   0   0
5   5  2019   1   0

现在在“ID”和“DT”上创建一个具有多级索引的副本，并将其与 loc 一起使用:

indexed= df.set_index(['ID', 'DT'], inplace=False)
indexed.loc[(2, 2018)]

这仍然有效并输出对应于给定索引值的值:

F1    1
F2    0
Name: (2, 2018), dtype: int64

它也可以使用以下方式更新:

indexed.loc[(2, 2018)]= [1, 4]

现在尝试插入一个新行，就像我们在单级索引上所做的一样:

indexed.loc[(1, 2019)]= [3, 4]

这引发了一个异常:

ValueError: cannot set using a multi-index selection indexer with a different length than the value

并且数据框已更改，就好像 loc 访问将 2019 解释为列名一样。所以数据框现在看起来像:

         F1  F2  2019
ID DT                
1  2018   0   0   NaN
2  2018   1   0   NaN
3  2017   0   1   NaN
4  2018   0   0   NaN
5  2019   1   0   NaN

谁能解释这种奇怪的行为，或者这是一个错误？

Answer 1

使用 : 获取所有新列或更新列，不使用 : 是快捷方式，不幸的是仅适用于更新:

indexed.loc[(2, 2018), :]= [1, 4]
indexed.loc[(1, 2019), :]= [3, 4]
print (indexed)
          F1   F2
ID DT            
1  2018  0.0  0.0
2  2018  1.0  4.0
3  2017  0.0  1.0
4  2018  0.0  0.0
5  2019  1.0  0.0
1  2019  3.0  4.0