Pandas：无法在 MultiIndex 列上使用布尔掩码分配 NaN答案

【问题标题】：Pandas: Cannot assign NaN using a boolean mask on MultiIndex columnsPandas：无法在 MultiIndex 列上使用布尔掩码分配 NaN
【发布时间】：2017-03-16 13:28:21
【问题描述】：

首先，创建这个 DataFrame：

df = pd.DataFrame([[1,-2,3],[4,5,-6],[-7,8,9]],
    columns=pd.MultiIndex.from_tuples(
        [('foo', 'bar'), ('foo', 'baz'), ('ignore', 'other')]))

即：

  foo     ignore
  bar baz  other
0   1  -2      3
1   4   5     -6
2  -7   8      9

现在，尝试用 NAN 替换 foo 下的负值：

df.foo[df.foo < 0] = np.nan

除了打印警告之外什么都不做：

SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

好的，让我们这样做：

df.loc[:,'foo'][df.foo < 0] = np.nan

这不会打印警告，但它也什么都不做！

但如果我们使用非 NAN 值，它会起作用：

df.loc[:,'foo'][df.foo < 0] = 666

现在我有：

   foo      ignore
   bar  baz  other
0    1  666      3
1    4    5     -6
2  666    8      9

但我想填写 NAN，而不是 666。有什么简单的方法可行吗？

【问题讨论】：

标签： pandas slice nan hierarchical-data

【解决方案1】：

您可以将slicers 与DataFrame.mask 一起使用：

idx = pd.IndexSlice
sliced = df.loc[:, idx['foo',:]]
print (sliced)
  foo    
  bar baz
0   1  -2
1   4   5
2  -7   8

df.loc[:, idx['foo',:]] = sliced.mask(sliced < 0)
print (df) 
   foo      ignore
   bar  baz  other
0  1.0  NaN      3
1  4.0  5.0     -6
2  NaN  8.0      9

concat 的另一个解决方案：

idx = pd.IndexSlice
df1 = df.loc[:, idx['foo',:]]
print (df1)
  foo    
  bar baz
0   1  -2
1   4   5
2  -7   8

df1 = df1.mask(df1 < 0)
print (df1) 
   foo     
   bar  baz
0  1.0  NaN
1  4.0  5.0
2  NaN  8.0

print (pd.concat([df1, df.drop('foo', axis=1, level=0)], axis=1))
   foo      ignore
   bar  baz  other
0  1.0  NaN      3
1  4.0  5.0     -6
2  NaN  8.0      9

【讨论】：

这段代码确实有效，但它丑陋且效率低下（不是你的错！）。它必须复制整个foo 两次！
我觉得MultiIndex有点复杂，我尝试添加另一个解决方案并重写旧的。
很遗憾sliced = sliced.mask(sliced<0, np.nan) 不起作用，需要分配给切片数据帧。