如何修改通过 df.loc[row] 定义的系列中的数据框元素？

Question

我有代码，其中 function/method 接受系列（来自 df 的行）并且应该就地修改它，这样更改就会反映在原始 df 中。但是，我似乎无法 force 将修改作为视图而不是副本。来自 Stack Overflow documentation and a related question 的信息无法解决以下示例给出的问题：

import pandas as pd
pd.__version__ # 0.24.2

ROW_NAME = "r1"
COL_NAME = "B"
NEW_VAL = 100.0

# df I would like to modify in-place
df = pd.DataFrame({"A":[[1], [2], [3,4]], "B": [1.0, 2.0, 3.0]}, index=["r1", "r2", "r3"])

# a row (Series reference) is the input param to a function that should modify df in-place
record = df.loc[ROW_NAME]
record.loc[COL_NAME] = NEW_VAL
assert df.loc[ROW_NAME, COL_NAME] == NEW_VAL #False

以 record.loc 开头的行导致熟悉的警告： SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame，这可能是有道理的，除了 record 似乎引用 df 并且在某些情况下可以就地修改。这方面的一个例子：

record = df.loc[ROW_NAME]
record.loc["A"].append(NEW_VALUE)
assert NEW_VALUE in df.loc["r1", "A"] # True

我的问题是：如何从系列 record 中就地强制修改 df.loc[ROW_NAME, COL_NAME] 处的浮点值？澄清为什么可以在上面的示例中就地修改 A 列而不是 B 列的加分项。

其他相关问题：

sub-indexing dataframes:copies vs views
What rules does Pandas use to generate a view vs a copy?

Answer 1

我认为这种行为令人困惑，因为 record 在这种情况下是数据框行的浅表副本。

如果您引用 this stack post，听起来 .loc[] 通常应该是 return 副本而不是视图，如果 .loc 已链接。

我确实确认如果你直接修改原始数据框它会起作用。

df.loc[ROW_NAME, COL_NAME] = NEW_VAL
assert(df.loc[ROW_NAME, COL_NAME] == NEW_VAL) # True

至于 .append 仍然有效，这就是我提到 "shallow" 复制行为的原因。您的新记录副本仍包含对 A 列中原始列表的引用。请参阅 this post 以重温绑定到新对象与改变现有对象之间的区别。

Answer 2

根据问题中链接的来源和对文档的全面阅读，似乎无法强制返回视图与从 DataFrame 行生成的系列副本。

正如@Lilith Schneider 指出的那样，最初对此的困惑来自于 record = df.loc["r1"] returns 浅拷贝 - 拷贝和视图的某种混合，可能会导致混淆并导致意外行为。

如何修改通过 df.loc[row] 定义的系列中的数据框元素？

How can I modify a dataframe element from a Series defined through df.loc[row]?

python

in-place

dataframe

pandas