当我以下列方式修改pandas数据帧时会发生什么

Question

试图理解这种行为(为什么会发生;如果是有意的话,那么以这种方式完成它的动机是什么)

所以我创建了一个数据帧

np.random.seed(0)
df = pd.DataFrame(np.random.random((4,2)))


          0         1
0  0.548814  0.715189
1  0.602763  0.544883
2  0.423655  0.645894
3  0.437587  0.891773

我可以像这样引用列

df.columns = ['a','b']
df.a
          0
0  0.548814
1  0.602763
2  0.423655
3  0.437587 

我甚至可以制作,我认为这是一个新专栏

 df.third = pd.DataFrame(np.random.random((4,1)))

但df仍然是

df
          0         1
0  0.548814  0.715189
1  0.602763  0.544883
2  0.423655  0.645894
3  0.437587  0.891773

然而,df.third也存在(但我在Spyder的变量查看器中看不到它)

df.third
          0
0  0.118274
1  0.639921
2  0.143353
3  0.944669

如果我想添加第三列,我必须执行以下操作

df['third'] = pd.DataFrame(np.random.random((4,1)))

          a         b     third
0  0.548814  0.715189  0.568045
1  0.602763  0.544883  0.925597
2  0.423655  0.645894  0.071036
3  0.437587  0.891773  0.087129

所以,我的问题是当我做df.third与df ['third']时会发生什么？

Answer 1

因为它third作为属性添加,所以应该停止作为属性访问列,并始终使用df['third']以避免模糊行为.

你应该养成总是使用访问和分配列的习惯df[col_name],这是为了避免像这样的问题

df.mean = some_calc()

这里的问题是这mean是一个DataFrame的方法

所以你已经用一些计算值覆盖了一个方法.

这里的问题是,这是设计的一部分,为了方便和数据分析的大熊猫和一些早期的在线视频演示显示这是一种分配到新专栏的方式,但微妙的错误可以是如此普遍,它真的应该被禁止并移除IMO

说真的,我不能强调这一点,停止将列作为属性引用,这是我的一个严重的问题,不幸的是我仍然看到很多答案显示这个用法

您可以看到没有添加新列:

In [97]:
df.third = pd.DataFrame(np.random.random((4,1)))
df.columns

Out[97]:
Index(['a', 'b'], dtype='object')

您可以看到third已添加为属性:

In [98]:
df.__dict__

Out[98]:
{'_data': BlockManager
 Items: Index(['a', 'b'], dtype='object')
 Axis 1: Int64Index([0, 1, 2, 3], dtype='int64')
 FloatBlock: slice(0, 2, 1), 2 x 4, dtype: float64,
 '_iloc': <pandas.core.indexing._iLocIndexer at 0x7e73b00>,
 '_item_cache': {},
 'is_copy': None,
 'third':           0
 0  0.844821
 1  0.286501
 2  0.459170
 3  0.243452}

你可以看到,你有Items,__data,Axis 1等,但那么你也有'third'这是一个属性