python 對(duì)DataFrame某列的部分(某些)元素賦值

首先創(chuàng)建一個(gè)DataFrame

>>> import pandas as pd
>>> df= pd.DataFrame({
    'brand': ['Yum Yum', 'Yum Yum', 'Indomie', 'Indomie', 'Yum Yum'],
    'style': ['cup', 'cup', 'cup', 'pack', 'pack'],
    'rating': [4, 4, 3.5, 15, 5]
})
>>> df
     brand style  rating
0  Yum Yum   cup     4.0
1  Yum Yum   cup     4.0
2  Indomie   cup     3.5
3  Indomie  pack    15.0
4  Yum Yum  pack     5.0

來(lái)到賦值場(chǎng)景:

  • 需求:需要對(duì) rating 列的[0, 1, 4]行的3個(gè)元素賦值為[[5], [5], [4]]躏尉, 也就是同時(shí)使用位置索引(positional indexing)和標(biāo)簽索引(label-based indexing)
  • 官方建議的操作為:
>>> import numpy as np
>>> df.loc[df.index[[0, 1, 4]], 'rating'] = np.array([5, 5, 4]).reshape((3, 1))
>>> df
     brand style  rating
0  Yum Yum   cup     5.0
1  Yum Yum   cup     5.0
2  Indomie   cup     3.5
3  Indomie  pack    15.0
4  Yum Yum  pack     4.0
>>> #或者
>>> df.iloc[[0, 1, 4], df.columns.get_loc('rating')] = np.array([5, 5, 4]).reshape((3, 1))
>>> df
     brand style  rating
0  Yum Yum   cup     5.0
1  Yum Yum   cup     5.0
2  Indomie   cup     3.5
3  Indomie  pack    15.0
4  Yum Yum  pack     4.0
>>>#或者
>>> df.iloc[df.index[[0, 1, 4]], df.columns.get_loc('rating')] = np.array([5, 5, 4]).reshape((3, 1))
>>> df
     brand style  rating
0  Yum Yum   cup     5.0
1  Yum Yum   cup     5.0
2  Indomie   cup     3.5
3  Indomie  pack    15.0
4  Yum Yum  pack     4.0
>>>#或者,使用.get_indexer()可以同時(shí)索引多列如.get_indexer(['style', 'rating'])
>>> df.iloc[df.index[[0, 1, 4]], df.columns.get_indexer(['rating'])] = np.array([4, 4, 5]).reshape((3, 1))
>>> df
     brand style  rating
0  Yum Yum   cup     4.0
1  Yum Yum   cup     4.0
2  Indomie   cup     3.5
3  Indomie  pack    15.0
4  Yum Yum  pack     5.0
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末胀糜,一起剝皮案震驚了整個(gè)濱河市颅拦,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌僚纷,老刑警劉巖矩距,帶你破解...
    沈念sama閱讀 206,723評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異怖竭,居然都是意外死亡锥债,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,485評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門(mén)哮肚,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人允趟,你說(shuō)我怎么就攤上這事〕奔簦” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 152,998評(píng)論 0 344
  • 文/不壞的土叔 我叫張陵抗碰,是天一觀(guān)的道長(zhǎng)绽乔。 經(jīng)常有香客問(wèn)我弧蝇,道長(zhǎng),這世上最難降的妖魔是什么看疗? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 55,323評(píng)論 1 279
  • 正文 為了忘掉前任,我火速辦了婚禮摔寨,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘祷肯。我一直安慰自己,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,355評(píng)論 5 374
  • 文/花漫 我一把揭開(kāi)白布斑鼻。 她就那樣靜靜地躺著,像睡著了一般坚弱。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上荒叶,一...
    開(kāi)封第一講書(shū)人閱讀 49,079評(píng)論 1 285
  • 那天输虱,我揣著相機(jī)與錄音些楣,去河邊找鬼宪睹。 笑死,一個(gè)胖子當(dāng)著我的面吹牛亭病,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播罪帖,決...
    沈念sama閱讀 38,389評(píng)論 3 400
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼整袁!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起葬项,我...
    開(kāi)封第一講書(shū)人閱讀 37,019評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎襟士,沒(méi)想到半個(gè)月后盗飒,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體陋桂,經(jīng)...
    沈念sama閱讀 43,519評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,971評(píng)論 2 325
  • 正文 我和宋清朗相戀三年宣渗,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片痕囱。...
    茶點(diǎn)故事閱讀 38,100評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡暴匠,死狀恐怖鞍恢,靈堂內(nèi)的尸體忽然破棺而出每窖,到底是詐尸還是另有隱情帮掉,我是刑警寧澤窒典,帶...
    沈念sama閱讀 33,738評(píng)論 4 324
  • 正文 年R本政府宣布,位于F島的核電站瀑志,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏劈猪。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,293評(píng)論 3 307
  • 文/蒙蒙 一疾层、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧痛黎,春花似錦、人聲如沸刮吧。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,289評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至仅仆,卻和暖如春器赞,著一層夾襖步出監(jiān)牢的瞬間墓拜,已是汗流浹背港柜。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,517評(píng)論 1 262
  • 我被黑心中介騙來(lái)泰國(guó)打工咳榜, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人涌韩。 一個(gè)月前我還...
    沈念sama閱讀 45,547評(píng)論 2 354
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像释树,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子擎淤,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,834評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容