当我以以下方式修改数据帧时会发生什么

Question

试图理解这种行为（为什么会发生；如果是故意的，那么这样做的动机是什么）

所以我创建了一个数据帧

np.random.seed(0)
df = pd.DataFrame(np.random.random((4,2)))


          0         1
0  0.548814  0.715189
1  0.602763  0.544883
2  0.423655  0.645894
3  0.437587  0.891773

我可以像这样引用专栏

df.columns = ['a','b']
df.a
          0
0  0.548814
1  0.602763
2  0.423655
3  0.437587 

我甚至可以制作一个新的专栏

 df.third = pd.DataFrame(np.random.random((4,1)))

但是df仍然是

df
          0         1
0  0.548814  0.715189
1  0.602763  0.544883
2  0.423655  0.645894
3  0.437587  0.891773

然而，df.third也存在（但我在Spyder的变量查看器中看不到它）

df.third
          0
0  0.118274
1  0.639921
2  0.143353
3  0.944669

如果我想增加第三栏，我必须做以下事情

df['third'] = pd.DataFrame(np.random.random((4,1)))

          a         b     third
0  0.548814  0.715189  0.568045
1  0.602763  0.544883  0.925597
2  0.423655  0.645894  0.071036
3  0.437587  0.891773  0.087129

所以，我的问题是当我做df.third和df['third']时会发生什么？

Answer 1

我认为你给熊猫数据帧对象添加了第三个属性如果你想添加名为第三的列，你必须这样做：

df['third'] = pd.DataFrame(np.random.random((4,1)))

Answer 2

因为它添加了第三个作为属性，所以您应该停止作为属性访问列，并始终使用df['第三个']来避免模棱两可的行为。

您应该养成使用df[col\u name]访问和分配列的习惯，这是为了避免以下问题：

df.mean = some_calc()

这里的问题是均值是DataFrame的一个方法

因此，您已经用一些计算值覆盖了一个方法。

这里的问题是，这是设计的一部分，作为一种方便，熊猫的数据分析书和一些早期的在线视频演示显示，这是一种分配给新栏目的方式，但微妙的错误可能是如此普遍，它真的应该被禁止和删除IMO

说真的，我不能强调这一点，停止引用列作为属性，这是我的一个严重的问题，不幸的是，我仍然看到许多发布的答案显示了这种用法

您可以看到没有添加新列：

In [97]:
df.third = pd.DataFrame(np.random.random((4,1)))
df.columns

Out[97]:
Index(['a', 'b'], dtype='object')

您可以看到，third作为属性添加：

In [98]:
df.__dict__

Out[98]:
{'_data': BlockManager
 Items: Index(['a', 'b'], dtype='object')
 Axis 1: Int64Index([0, 1, 2, 3], dtype='int64')
 FloatBlock: slice(0, 2, 1), 2 x 4, dtype: float64,
 '_iloc': <pandas.core.indexing._iLocIndexer at 0x7e73b00>,
 '_item_cache': {},
 'is_copy': None,
 'third':           0
 0  0.844821
 1  0.286501
 2  0.459170
 3  0.243452}

您可以看到您有一个项目，\uu数据，轴1等，但您还有一个属性'third'