为什么 .loc 的行为会因值是打印还是分配而有所不同？

Question

我对以下行为感到困惑。当我有这样的数据框时：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(6, 4), columns=list('ABCD'), index=list('bcdefg'))

如下所示：

          A         B         C         D
b -0.907325  0.211740  0.150066 -0.240011
c -0.307543  0.691359 -0.179995 -0.334836
d  1.280978  0.469956 -0.912541  0.487357
e  1.447153 -0.087224 -0.176256  1.319822
f  0.660994 -0.289151  0.956900 -1.063623
g -1.880520  1.099098 -0.759683 -0.657774

我收到了预期的错误

TypeError: cannot do slice indexing on with these indexers [3] of type 'int'

当我使用 .loc 尝试以下切片时：

print df.loc[3:, ['C', 'D']]

这是预期的，因为我传递了一个整数作为索引，而不是 index 中包含的字母之一。

但是，如果我现在尝试

df.loc[3:, ['C', 'D']] = 10

它工作正常并给我输出：

          A         B          C          D
b -0.907325  0.211740   0.150066  -0.240011
c -0.307543  0.691359  -0.179995  -0.334836
d  1.280978  0.469956  -0.912541   0.487357
e  1.447153 -0.087224  10.000000  10.000000
f  0.660994 -0.289151  10.000000  10.000000
g -1.880520  1.099098  10.000000  10.000000

我的问题是为什么在打印某些内容时同一命令会失败，以及为什么在分配值时它会起作用。当我检查 .loc 的文档字符串时，我预计这总是会导致上述错误（尤其是粗体部分）：

Allowed inputs are:

A single label, e.g. 5 or 'a', (note that 5 is interpreted as a label of the index, and **never as an integer position along the index**).

A list or array of labels, e.g. ['a', 'b', 'c'].

A slice object with labels, e.g. 'a':'f' (note that contrary to usual python slices, both the start and the stop are included!).

A boolean array.

A callable function with one argument (the calling Series, DataFrame or Panel) and that returns valid output for indexing (one of the above)

.loc will raise a KeyError when the items are not found.

任何解释；我在这里错过了什么？

编辑

在 this question 中，类似的行为被认为是一个错误，已在 0.13 中修复。我使用 0.19.1.

编辑 2 在@EdChum 的 post 基础上，可以执行以下操作：

df.loc[2] = 20
df.loc[3] = 30
df.loc[4] = 40

产生

           A          B          C          D
b   0.083326  -1.047032   0.830499  -0.729662
c   0.942744  -0.535013   0.809251   1.132983
d  -0.074918   1.123331  -2.205294  -0.497468
e   0.213349   0.694366  -0.816550   0.496324
f   0.021347   0.917340  -0.595254  -0.392177
g  -1.149890   0.965645   0.172672  -0.043652
2  20.000000  20.000000  20.000000  20.000000
3  30.000000  30.000000  30.000000  30.000000
4  40.000000  40.000000  40.000000  40.000000

然而，这仍然让我感到困惑，因为

print df.loc['d':'f', ['C', 'D']]

工作正常，命令

print df.loc[2:4, ['C', 'D']]

给出上面提到的索引错误

此外，当一个人现在像这样分配值时

df.loc[2:4, ['C', 'D']] = 100

数据框如下所示：

           A          B           C           D
b   0.083326  -1.047032    0.830499   -0.729662
c   0.942744  -0.535013    0.809251    1.132983
d  -0.074918   1.123331  100.000000  100.000000
e   0.213349   0.694366  100.000000  100.000000
f   0.021347   0.917340   -0.595254   -0.392177
g  -1.149890   0.965645    0.172672   -0.043652
2  20.000000  20.000000   20.000000   20.000000
3  30.000000  30.000000   30.000000   30.000000
4  40.000000  40.000000   40.000000   40.000000

所以这些值不会添加到一个 - 或者至少我 - 希望添加它们的地方（使用的是位置而不是标签）。

Answer 1

我不认为这是一个错误，而是未记录的语义，例如，对于行标签不存在的简单情况，允许进行放大设置：

In [22]:
df.loc[3] = 10
df

Out[22]:
           A          B          C          D
b  -0.907325   0.211740   0.150066  -0.240011
c  -0.307543   0.691359  -0.179995  -0.334836
d   1.280978   0.469956  -0.912541   0.487357
e   1.447153  -0.087224  -0.176256   1.319822
f   0.660994  -0.289151   0.956900  -1.063623
g  -1.880520   1.099098  -0.759683  -0.657774
3  10.000000  10.000000  10.000000  10.000000

并且如果我们传递一个切片，则在该切片中找不到标签，但由于它是一个整数切片，它会被转换为一个有序切片：

In [24]:
df.loc[3:5] = 9
df

Out[24]:
           A          B          C          D
b  -0.907325   0.211740   0.150066  -0.240011
c  -0.307543   0.691359  -0.179995  -0.334836
d   1.280978   0.469956  -0.912541   0.487357
e   9.000000   9.000000   9.000000   9.000000
f   9.000000   9.000000   9.000000   9.000000
g  -1.880520   1.099098  -0.759683  -0.657774
3  10.000000  10.000000  10.000000  10.000000

您链接的 post 错误指的是没有赋值的选择，其中传递了 non-existent 标签，这应该引发 KeyError，此处不同[=22] =]

如果我们看__setitem__：

def __setitem__(self, key, value):
        key = com._apply_if_callable(key, self)

        # see if we can slice the rows
        indexer = convert_to_index_sliceable(self, key))

这里会尝试转换切片调用convert_to_index_sliceable:

def convert_to_index_sliceable(obj, key):
    """if we are index sliceable, then return my slicer, otherwise return None
    """
    idx = obj.index
    if isinstance(key, slice):
        return idx._convert_slice_indexer(key, kind='getitem')

如果我们查看文档字符串：

Signature: df.index._convert_slice_indexer(key, kind=None) Docstring: convert a slice indexer. disallow floats in the start/stop/step

Parameters ---------- key : label of the slice bound kind : {'ix', 'loc', 'getitem', 'iloc'} or None

然后运行这个：

In [29]:
df.index._convert_slice_indexer(slice(3,5),'loc')

Out[29]:
slice(3, 5, None)

这随后用于对索引进行切片：

In [28]:
df.index[df.index._convert_slice_indexer(slice(3,5),'loc')]

Out[28]:
Index(['e', 'f'], dtype='object')

所以我们看到，即使你传递了看似non-existent的标签，整数切片对象根据不同的规则被转换为与df兼容的序数切片

为什么 .loc 的行为会因值是打印还是分配而有所不同？

Why does .loc behave differently depending on whether values are printed or assigned?

python

slice

pandas