python - 无法使用另一列的值作为 Series 的键为 pandas DataFrame 中的列分配值

Question

考虑一个带有 Dataframe df 和 Series s

的简单示例

import pandas as pd

matching_vals = range(20,30)

df = pd.DataFrame(columns=['a'], index=range(0,10))
df['a'] = matching_vals
s  = pd.Series(list("ABCDEFGHIJ"), index=matching_vals)

df['b'] = s[df['a']]

此时我希望 df['b'] 包含字母 A 到 J，但它全是 NaN。但是，如果我用

替换最后一行

n = df['a'][2]
df['c'] = s[n]

然后 df['c'] 充满了 C，正如我所料，所以我很确定这不是一些奇怪的类型错误。

我是 Pandas 的新手，这让我发疯。

Answer 1

s[df['a']] 的索引不同于 df 的索引:

In [104]: s[df['a']]
Out[104]: 
a
20    A
21    B
22    C
23    D
24    E
25    F
26    G
27    H
28    I
29    J

当您将 Series 分配给 DataFrame 的列时，Pandas 会尝试根据索引分配值。由于 s[df['a']] 没有任何与 df 的索引关联的值，因此分配了 NaN 值。分配不会向 df 添加新行。

如果你不想让索引进入赋值，你可以使用

df['b'] = s[df['a']].values

---

对于索引匹配的演示，请注意

import pandas as pd

df = pd.DataFrame(columns=['a'], index=range(0,10))
df['a'] = range(0,10)[::-1]
s  = pd.Series(list("ABCDEFGHIJ"), index=range(0,10)[::-1])
df['b'] = s[df['a']]

产量

In [123]: s[df['a']]
Out[123]: 
a
9    A
8    B
7    C
6    D
5    E
4    F
3    G
2    H
1    I
0    J
dtype: object

In [124]: df
Out[124]: 
   a  b
0  9  J
1  8  I
2  7  H
3  6  G
4  5  F
5  4  E
6  3  D
7  2  C
8  1  B
9  0  A

[10 rows x 2 columns]

df['b'] 的值被“翻转”以使索引匹配。