如何填充（基於數據框的索引）空列

Question

我正在嘗試將“信息”列添加到我的數據框（df3）並用字符串值填充它（如果索引為 0，則為“True”，否則為“False”）。 問題是熊貓在每一行中都放置了'False' ，即使在索引為 0 的行中也是如此（參見下面的輸出）。

輸入 ：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'Column1': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'],
                    'Column2': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
                    'Column3': ['I', 'II', 'III', 'IV', 'V', 'VI', 'VII', 'VIII', 'IX', 'X'],
                    'Column4': ['K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', 'T'],
                    'Column5': [11, 12, 13, 14, 15, 16, 17, 18, 19, 20],
                    'Column6': ['XI', 'XII', 'XIII', 'XIV', 'XV', 'XVI', 'XVII', 'XVIII', 'XIX', 'XX'],
                    'Column7': ['U', 'V', 'W', 'X', 'Y', 'Z', '', '', '', ''],
                    'Column8': [21, 22, 23, 24, 25, 26, pd.NA, pd.NA, pd.NA, pd.NA],
                    'Column9': ['XXI', 'XXII', 'XXIII', 'XXIV', 'XXV', 'XXVI', '', '', '', '']})

column_names = ['Letters', 'Numbers', 'RomanNumerals']
df3 = pd.DataFrame(columns = column_names)

i=0
while i<len(df1.columns):
    df2 = df1.iloc[:, i:i+3]
    df2.columns = column_names
    df3 = pd.concat([df3, df2])
    i+=3

df3.dropna(inplace=True)

for index, row in df3.iterrows():
    df3['Information'] = np.where(index == 0, True,  False)

display(df3)

輸出 ：

	信件	數字	羅馬數字	信息
0	一個	1	我	錯誤的
1	乙	2	二	錯誤的
2	C	3	三	錯誤的
3	D	4	四	錯誤的
4	乙	5	五	錯誤的
5	F	6	六	錯誤的
6	G	7	七	錯誤的
7	H	8	八	錯誤的
8	我	9	九	錯誤的
9	Ĵ	10	X	錯誤的
0	ķ	11	十一	錯誤的
1	大號	12	第十二	錯誤的
2	米	13	十三	錯誤的
3	ñ	14	第十四	錯誤的
4	○	15	第十五	錯誤的
5	磷	16	第十六	錯誤的
6	問	17	第十七	錯誤的
7	R	18	第十八	錯誤的
8	小號	19	第十九	錯誤的
9	噸	20	XX	錯誤的
0	ü	21	二十一	錯誤的
1	五	22	二十二	錯誤的
2	W	23	二十三	錯誤的
3	X	24	二十四	錯誤的
4	是	25	二十五	錯誤的
5	Z	26	二十六	錯誤的

這種情況有解釋嗎？

Answer 1

使用此代碼段更改 for 循環

df3['Information']= df3.index.map(lambda x: x==0)

在 for 循環中發生的是您實際上基於標量創建了一個新列。 不是你輸入的

df3['Information'] = np.where(index == 0, True,  False)

代替

row['Information'] = np.where(index == 0, True,  False)

但是即使上面的代碼也不起作用，因為您什么都不分配

編輯：

另一種方法（為了進一步解釋，您可以檢查pandas dataframe apply ）

def get_information(index):
    if index==0:
        return True
    else:
        return False

df3['Information']= df3.index.map(get_information)