為什么我無法將現有數據添加到新的 dataframe 列中？

Question

我有一個包含 250 個員工姓名、性別和薪水的數據集。 我正在嘗試創建一個新的 dataframe 來簡單地分別“提取”男性和女性的工資。 此 dataframe 將有 2 列，一列是男性工資，另一列是女性工資。

從這個 dataframe，我想用 matplotlib 創建一個並排的箱線圖來分析是否存在任何性別工資差距。

# Import libraries
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

df = pd.read_csv("TMA_Data.csv")
df.head()

#Filter out female employees
df_female = df[(df.Gender == "F")]
df_female.head()

#Filter out male employees
df_male = df[(df.Gender == "M ")]
df_male.head()

#Create new dataframe with only salaries
df2 = pd.DataFrame(columns = ["Male Salaries", "Female Salaries"])
print(df2)

#Assign Male Salaries column
df2["Male Salaries"] = df_male["Salary"]
df2.head() #This works

Output: 
    Male Salaries   Female Salaries
3   93046   NaN
7   66808   NaN
10  46998   NaN
16  74312   NaN
17  50178   NaN

#Assign Female Salaries column (THIS IS WHERE THE PROBLEM LIES)
df2["Female Salaries"] = df_female["Salary"]
df2.head()

Output:     
Male Salaries   Female Salaries
3   93046   NaN
7   66808   NaN
10  46998   NaN
16  74312   NaN
17  50178   NaN

為什么我無法添加女性工資的值（似乎沒有添加）？ 此外，鑒於我的最終目標是創建兩個並排的箱線圖，請隨意建議我是否可以以完全不同的方式來做到這一點。 非常感謝！

編輯：數據集預覽：數據集內容

Answer 1

解決方案：

使用.reset_index ：

df2 = pd.DataFrame(columns = ["Male Salaries", "Female Salaries"])
df2["Male Salaries"] = df_male["Salary"].reset_index(drop=True)
df2["Female Salaries"] = df_female["Salary"].reset_index(drop=True)

解釋：

當設置 dataframe 的列的值時，它們被設置為各自的索引。

而且您的Male和Female指數明顯不同，因為它們來自初始 dataframe 的不同行。

例子：

df = pd.DataFrame([[1], [2], [3]])
df

    0
0   1
1   2
2   3

按預期工作：

df[1] = [4, 5, 6]
df

    0   1
0   1   4
1   2   5
2   3   6

不像您預期的那樣工作：

df[2] = pd.Series([4, 5, 6], index=[1, 0, 999])
df

    0   1   2
0   1   4   5.0
1   2   5   4.0
2   3   6   NaN