pandas数据帧条目有时是可修改的，有时是n

Question

我是python和pandas的新手，我不明白为什么有时我可以复制或操作dataframe列，有时却不能

         A      B          C
0    hello   hola    bonjour
1  goodbye  adios  au revoir

我的第一个修改是使用for循环逐行覆盖列'C'（是的，可能有更好的方法来实现这一点-这不是重点），结果正如我预期的那样：

^{pr2}$

我可以使用下面的for循环添加一个新列，同样，我得到了我期望的结果：

for index,row in df.iterrows():
    df.ix[index,'D'] = len(row['C'])

         A      B        C  D
0    hello   hola    hello  5
1  goodbye  adios  goodbye  7

现在，我尝试了与第一次修改几乎完全相同的操作（用for循环逐行覆盖列“B”），但这次它不起作用。数据帧这次没有改变。在

for index,row in df.iterrows():
    row['B'] = row['A']

         A      B        C  D
0    hello   hola    hello  5
1  goodbye  adios  goodbye  7

我想知道两件事：

1）为什么同一个代码有时会覆盖一个列，而有时不会覆盖？在

2）我是不是做错了什么事，让熊猫表现得像这样毫无直觉？如果是这样的话，用什么方法从另一列构造一列，这样就不会发生这种情况了？在

任何好的回答或建议都将不胜感激。谢谢！在

Answer 1

首先，您应该在迭代数据帧时从不尝试修改它。在

要构建新列，只需执行以下操作：

df['C'] = df['A']

或者专门用于获取每个字符串的长度（请参见docs）：

^{pr2}$

产生不同输出的原因是，根据不同的环境（如果数据类型是否相同）获得原始数据的视图或副本。
所有的数据和列的修改都会反映在原始视图中。但是在添加了列D之后，这些列有不同的数据类型，并且在迭代时会得到一个副本。由于这个原因，在上一个例子中，调整没有反映在原始数据帧中（另请参见issue）。在

Answer 2

代码生成不同答案的原因与itterrows提供数据的视图和副本有关。如果指定给视图，它将修改原始数据，而指定给副本不会产生任何效果。在

据我所知，answer，itterrows将只为单个数据类型对象生成一个视图，这就是当所有列都是字符串时赋值有效，但一旦添加了一个整型列，就失败了。在

关于如何基于其他列创建新列—如果您绝对需要迭代，那么可以使用loc进行赋值，就像在一个示例中所做的那样。但是，您应该始终寻找一个向量化的解决方案，然后查看apply，然后再考虑迭代。有关更多背景信息，请参阅answer。在