python - 使用间隔索引在 DataFrame 中设置特定值

Question

让我有这样一个数据框:

test_df = pd.DataFrame(
        0, 
        index = pd.IntervalIndex.from_breaks([100, 200, 300, 400]),
        columns = ['A', 'B', 'C']
)

所以它会给我们这个:

            A   B   C
(100, 200]  0   0   0
(200, 300]  0   0   0
(300, 400]  0   0   0

现在，假设我想更改给定间隔内的特定值，在我的数据框中的某些间隔内具有整数值。

我可以通过 .loc 获取特定给定整数值的间隔值，方法如下:test_df.loc[250]。这将给我系列。

但是!

第一种情况:

test_df.at[250, 'B']
------
ValueError: At based indexing on an non-integer index can only have non-integer indexers

为什么在这种情况下我不能使用整数值 250？它适用于 .loc 中的整数类型。

第二种情况:

test_df.loc[250, 'B']
------
'pandas._libs.interval.IntervalTree' object has no attribute 'get_value'

没有属性get_value？那么我怎样才能获得值(value)呢？我只能通过系列来完成，通过 .loc 属性获取它吗？

第三种情况:

test_df.at[250, 'B'] = 10
------
'pandas._libs.interval.IntervalTree' object has no attribute 'set_value'

主要问题
我应该如何在数据框中设置特定值？

Answer 1

注意 loc 的行为是 fixed并将出现在即将发布的 0.24.0 版本中:

In [1]: import pandas as pd; pd.__version__
Out[1]: '0.24.0.dev0+870.g7191af9b4'

In [2]: test_df = pd.DataFrame(
   ...:         0,
   ...:         index = pd.IntervalIndex.from_breaks([100, 200, 300, 400]),
   ...:         columns = ['A', 'B', 'C']
   ...: )

In [3]: test_df
Out[3]:
            A  B  C
(100, 200]  0  0  0
(200, 300]  0  0  0
(300, 400]  0  0  0

In [4]: test_df.loc[250, 'B']
Out[4]: 0

In [5]: test_df.loc[250, 'B'] = 100

In [6]: test_df
Out[6]:
            A    B  C
(100, 200]  0    0  0
(200, 300]  0  100  0
(300, 400]  0    0  0