使用字典更新 pandas DataFrame 行

我在 pandas DataFrames 中发现了我不理解的行为。

df = pd.DataFrame(np.random.randint(1, 10, (3, 3)), index=['one', 'one', 'two'], columns=['col1', 'col2', 'col3'])
new_data = pd.Series({'col1': 'new', 'col2': 'new', 'col3': 'new'})
df.iloc[0] = new_data
# resulting df looks like:

#       col1    col2    col3
#one    new     new     new
#one    9       6       1
#two    8       3       7

但如果我尝试添加字典，我会得到以下结果：

new_data = {'col1': 'new', 'col2': 'new', 'col3': 'new'}
df.iloc[0] = new_data
#
#         col1  col2    col3
#one      col2  col3    col1
#one      2     1       7
#two      5     8       6

为什么会发生这种情况？在写这个问题的过程中，我意识到 df.loc 很可能只是从 new_data 中获取键，这也解释了为什么这些值是乱序的。但是，话又说回来，为什么会这样呢？如果我尝试从字典创建 DataFrame，它会像处理列一样处理键：

pd.DataFrame([new_data])

#    col1   col2    col3
#0  new     new     new

为什么这不是 df.loc 中的默认行为？

这是字典的迭代方式和 pandas 系列的处理方式之间的区别。

pandas 系列在分配给行时将其索引与列匹配，如果分配给列则与索引匹配。之后，它分配与匹配的索引或列对应的值。

当一个对象不是具有方便的索引对象来匹配的 pandas 对象时，pandas 将迭代该对象。字典会迭代它的键，这就是为什么您会在该行槽中看到字典键。字典未排序，这就是为什么您会在该行中看到打乱的键。