在pandas dataframe（Python）的多个单元格中存储numpy数组

Question

我是新来的。我有这样一个pandas数据帧：

                    078401115X            0790747324            0790750708

A10ODC971MDHV8          0                     0             [(354, 1), (393, 1)]
A16CZRQL23NOIW          0              [(124, 1), (697, 1)]          0
A19ZXK9HHVRV1X          0                     0                      0

我有一个索引，其中列为零（对于第一行）：

^{pr2}$

现在，我正在尝试在pandas数据帧的那些位置存储由零组成的numpy数组，不管怎样，在没有“for loop”的情况下也可以这样做，我设法处理标量值，但我不能用numpy数组。在

非常感谢你的帮助。在

Answer 1

多行赋值，.loc和DataFrame维度匹配

这里是一个完整的解决方案，它使用了零索引的.loc，并克服了维度/长度错误

error: 'cannot set using a list-like indexer with a different length than the value'

若要匹配维度，请在分配给零索引而不是分配原始数组时，在所需形状中创建一个DataFrame。在

import numpy as np
import pandas as pd
from cStringIO import StringIO

# Create example DataFrame
df_text = '''
078401115X|                                                0
0790747324|                                                0
0790750708|[(354, 1), (393, 1), (447, 1), (642, 1), (886,1)]
0800103688|                                                0
5556167281|[(41, 1), (86, 1), (341, 1), (362, 1), (419, 10)]
6300157423|                                                0
6300266850|                                                0
6301699599|                                                0
6301723465|                                                0
'''
df = pd.read_table(StringIO(df_text), sep='|', index_col=0, header=None, skipinitialspace=True)

print 'Original DataFrame:'
print df
print

# Find indexes with zero data in first column
zero_indexes = df[df[1] == '0'].index

print 'Zero Indexes:'
print zero_indexes.tolist()
print

# Assign numpy zero array to indexes
df.loc[zero_indexes] = pd.DataFrame([[np.zeros(4)]], index=zero_indexes, columns=[1])

print 'New DataFrame:'
print df

---

^{pr2}$

Answer 2

df.loc[list_indices, column_name] = np.zeros(4)

是你想要的。df是您的数据帧，list_indices是行为0的索引列表，np.zeros生成一个由零组成的列表。如果你想要一个不同的长度的课程。在

df.loc[list_indices, column_name]选择索引在list_indices内的行和具有{}的列。在