为什么熊猫默默地忽略.iloc [i,j]赋值太多指数？

Question

为什么在设置或获取具有错误索引数的系列中的项时,pandas的行为会有所不同:

df = pd.DataFrame({'a': [10]})
# df['a'] is a series, can be indexed with 1 index only

# will raise IndexingError, as expected
df['a'].iloc[0, 0]
df['a'].loc[0, 0]

# will raise nothing, not as expected
df['a'].iloc[0, 0] = 1000 # equivalent to pass
df['a'].loc[0, 0] = 1000 # equivalent to df['a'].loc[0] = 1000

# pandas version 0.18.1, python 3.5

编辑:报告.

Answer 1

获取值

如果键是一个元组（如您的示例中所示），则和对象__getitem__的超类的方法在某个时刻调用.lociloc_has_valid_tuple(self, key)

这个方法有如下代码

for i, k in enumerate(key):
    if i >= self.obj.ndim:
        raise IndexingError('Too many indexers')

这IndexingError会引起您的期望。

设定值

超类__setitem__依次调用_get_setitem_indexer和_convert_to_indexer。

这个超类的实现_convert_to_indexer有点混乱，但在这种情况下它返回一个 numpy array [0, 0]。

然而，iLoc 索引器的类会覆盖_convert_to_indexer. 该方法返回原始元组...

def _convert_to_indexer(self, obj, axis=0, is_setter=False):
    ...
    elif self._has_valid_type(obj, axis):
        return obj

现在，indexer变量是案例的 numpy 数组.loc和案例的元组.iloc。这会导致后续超类调用中的设置行为有所不同_setitem_with_indexer(indexer, value)。