在pandas DataFram中修改行子集中的多个列

Question

我有熊猫数据帧。在这个数据框中，我想修改一些行的几列。这些都是我尝试过的方法。在

df[['finalA', 'finalB']] = df[['A', 'B']]
exceptions = df.loc[df.normal == False]

就像一个咒语，但现在我想设置例外：

^{pr2}$

这不管用。所以我试着从this answer使用.ix。在

df.ix[exceptions.index, ['finalA', 'finalB']] = \
  df.ix[exceptions.index, ['A_except', 'B_except']]

这也不管用。对于异常行，这两种方法都在finalA和{}中给我NaN。在

唯一可行的方法就是一次只写一个专栏：

df.ix[exceptions.index, 'finalA'] = \
  df.ix[exceptions.index, 'A_except']
df.ix[exceptions.index, 'finalB'] = \
  df.ix[exceptions.index, 'B_except']

熊猫这里怎么了？如何避免为显然是通过选择多个列生成的副本设置值？有没有办法避免这种代码重复？在

还有一些思考：它实际上并没有将值设置为dataframe的副本，而是将值设置为NaN。它实际上会将它们重写为一个新值。在

---

示例数据帧：

import pandas as pd
df = pd.DataFrame({'A': [1,2,3,4],
                   'B': [5,6,7,8],
                   'normal': [True, True, False, False],
                   'A_except': [0,0,9,9],
                   'B_except': [0,0,10,10]})

结果：

    A   A_except    B   B_except    normal  finalA  finalB
0   1   0           5   0           True    1.0     5.0
1   2   0           6   0           True    2.0     6.0
2   3   9           7   10          False   NaN     NaN
3   4   9           8   10          False   NaN     NaN

预期结果：

    A   A_except    B   B_except    normal  finalA  finalB
0   1   0           5   0           True    1       5
1   2   0           6   0           True    2       6
2   3   9           7   10          False   9       10
3   4   9           8   10          False   9       10

Answer 1

如果您查看方程的两边，您会注意到列不同。Pandas考虑了列的标签，因为它们不匹配，所以不会插入值。在

它只适用于一个列，因为这样就提取了一个序列，然后列标签就不再适用了。在

一个快速的解决方案是简单地将数据帧剥离到一个裸数组中，然后loc和{}方法都可以工作：

df.loc[exceptions.index, ['finalA', 'finalB']] = 
  df.loc[exceptions.index, ['A_except', 'B_except']].values

但请记住，这样做将消除Pandas试图匹配列和索引标签的尝试，这基本上是一个“硬”插入。因此，作为一个用户，您需要负责正确的对齐。在这种情况下，这不是一个问题，而是一些需要注意的问题。在