x.iloc[1]['x'] 和 x['x'].iloc[1] 有什么区别

Question

我无法使用 x.iloc[1]['x']=16 将 np.nan 的值更改为 16，但我可以使用 x['x'].iloc[1]=16 更改它。为什么？这两个表达式之间有什么区别？x = pd.DataFrame({'x': [1, np.nan, 3], 'y': [3, 4, 5]})x.iloc[1]['x']=16print(x.iloc[1]['x'])nanx['x'].iloc[1]=16print(x.iloc[1]['x'])16.0

Answer 1

避免链式索引

如评论中所述，您的任何替代方案都不能保证有效。该文件解释的理由和理由。

一个有效而另一个无效的事实不值得调查，因为这些是易于更改的实现细节。

对于标量，您应该使用通过整数位置或标签iat来设置值。at

iat 用于按整数位置设置标量

x.iat[1, x.columns.get_loc('x')] = 16

at 用于按标签设置标量

x.at[x.index[1], 'x'] = 16

如果您的数据帧索引是常规的pd.RangeIndex，则可以简化最后一个分配：

x.at[1, 'x'] = 16

Answer 2

iloc 是一个很棒的工具，如果您想以自己想要的方式使用它，我会补充说，您必须首先传递要选择行的列。在数据帧上循环以更改值的示例：

import pandas as pd 

d = {'col1': [1, 2,'np.nan',4,5], 'col2': ['A','B','C','D','E']}

df = pd.DataFrame(data=d)

     col1 col2

0       1    A

1       2    B

2  np.nan    C

3       4    D

4       5    E

for i in range(len(df)):

    if df['col1'].iloc[i] == "np.nan":

            df['col1'].iloc[i] = 16 

print(df)

   col1 col2

0     1    A

1     2    B

2    16    C

3     4    D

4     5    E