Вставка списка в ячейку - почему loc действительно работает здесь?

Question

Нам известно, что стандартным методом установки одной ячейки является at или iat.Тем не менее, я заметил интересное поведение, которое мне было интересно, может ли кто-нибудь объяснить.

При решении этого вопроса я сталкиваюсь со странным поведением loc.

# Setup.

pd.__version__
# '0.24.0rc1'

df = pd.DataFrame({'A': [12, 23], 'B': [['a', 'b'], ['c', 'd']]})
df
    A       B
0  12  [a, b]
1  23  [c, d]

Чтобы установить ячейку (1, 'B'), достаточносделать это с помощью, как df.at[1, 'B'] = ....Но с помощью loc я сначала попробовал это, но это не сработало:

df.loc[1, 'B'] = ['m', 'n', 'o', 'p'] 
# ValueError: Must have equal len keys and value when setting with an iterable

Итак, я попробовал (что тоже не удалось)

df.loc[1, 'B'] = [['m', 'n', 'o', 'p']]
# ValueError: Must have equal len keys and value when setting with an ndarray

Я думал, что loc тоже будет как-товозможность взять вложенные списки здесь.При странном повороте событий этот код работал:

df.loc[1, 'B'] = [['m'], ['n'], ['o'], ['p']]
df

    A             B
0  12        [a, b]
1  23  [m, n, o, p]

Почему loc работает таким образом?Кроме того, если вы добавляете другой элемент в любой из списков, он проваливается:

df.loc[1, 'B'] = [['m'], ['n'], ['o'], ['p', 'q']]
# ValueError: Must have equal len keys and value when setting with an iterable

Пустые списки также не работают.Кажется бессмысленным вкладывать каждый элемент в свой список.

Почему loc делает это?Это задокументированное поведение или ошибка?

Answer 1

Это происходит потому, что loc выполняет связку проверки всех вариантов использования, которые он поддерживает.(Примечание: история состояла в том, что loc и iloc были созданы для устранения неоднозначности ix, еще в 2013 v0.11, но даже сегодня в loc все еще остается много неоднозначности.)

В этом случае df.loc[1, 'B'] может либо вернуть:

• отдельный элемент (как в этом случае, когда для 1 / 'B' существует уникальный индекс / столбец).
• a Серия (если ЛИБО один из 1 / 'B' появляется в индексе / столбцах несколько раз).
• a DataFrame (если ОБА 1 / 'B' появляется в индексе / столбцах несколько раз).

Кроме того: iloc в этом случае страдает той же проблемой, хотя это всегда будет первый случай, но это может быть потому, что loc и iloc совместно используют этот код назначения.

Так что pandas должен поддерживать все эти случаи для назначения!

Ранняя часть логики назначения преобразует список (списков) в пустой массив:

In [11]: np.array(['m', 'n', 'o', 'p']).shape
Out[11]: (4,)

In [12]: np.array([['m', 'n', 'o', 'p']]).shape
Out[12]: (1, 4)

Таким образом, вы не можете просто передать список списков и ожидать получить правильный массив.Вместо этого вы могли бы явно установить в массив объектов:

In [13]: a = np.empty(1, dtype=object)

In [14]: a[0] = ['m', 'n', 'o', 'p']

In [15]: a
Out[15]: array([list(['m', 'n', 'o', 'p'])], dtype=object)

Теперь вы можете использовать это в присваивании:

In [16]: df.loc[0, 'B'] = a

In [17]: df
Out[17]:
    A             B
0  12  [m, n, o, p]
1  23        [c, d]

Это все еще не идеально, но повторять, так многоВ крайних случаях в loc и iloc решение должно быть как можно более явным, чтобы их избежать (используйте at здесь).И вообще, как вы знаете, избегайте использования списков внутри DataFrame!