Pandas dataframe ，使用 iloc 替换最后一行

我正在尝试使用 iloc 替换 Pandas 数据帧的最后一行，但是我无法让它工作。有很多解决方案，但最简单（最慢）的是这里：

如何在 Python 中对 Pandas 数据帧上的行进行 FIFO 推送操作？ https://stackoverflow.com/questions/41360265/how-to-do-a-fifo-push-operation-for-rows-on-pandas-dataframe-in-python

为什么这个方法在下面的代码中不起作用？

def append_from_dataframe(self,timeframe,new_dataframe):

    new_dataframe.reset_index(inplace=True)
    temp_dataframe = self.timeframedict.get(timeframe)
    num_rows_existing = temp_dataframe.shape[0]
    num_rows_new = new_dataframe.shape[0]
    overlap = (num_rows_existing + num_rows_new) - 500
    # slow, replace with numpy array eventually
    if overlap >= 1:
        # number of rows to shift 
        i = overlap * -1
        #shift the dataframe back in time
        temp_dataframe = temp_dataframe.shift(i)
        #self.timeframedict.get(timeframe) = self.timeframedict.get(timeframe).shift(overlap)
        #replace the last i rows with the new values
        temp_dataframe.iloc[i:] = new_dataframe
        self.timeframedict.update({timeframe:temp_dataframe})

    else:
        #TODO - see this https://stackoverflow.com/questions/10715965/add-one-row-in-a-pandas-dataframe
        self.timeframedict.update({timeframe:self.timeframedict.get(timeframe).append(new_dataframe)})

数据框的内容替换另一行中的一行：

ipdb> new_dataframe
       Timestamp    Open    High     Low   Close   Volume      localtime
0  1533174420000  423.43  423.44  423.43  423.44  0.73765  1533174423776

temp_dataframe.shift(i)将值移回 1，用 NaN 替换值 -

ipdb> temp_dataframe.iloc[i:] 
     Timestamp  Open  High  Low  Close  Volume  localtime
499        NaN   NaN   NaN  NaN    NaN     NaN        NaN

However temp_dataframe.iloc[i:] = new_dataframe不取代任何东西。

编辑：我应该补充一点，经过更多的尝试后，我可以将 1 行替换为：

temp_dataframe.iloc[-1] = new_dataframe.iloc[0]

但是，我无法让多行版本工作

df = pd.DataFrame({'a':[1,2,3,4,5],'b':['foo','bar','foobar','foobaz','food']})

Output:

df
Out[117]: 
   a       b
0  1     foo
1  2     bar
2  3  foobar
3  4  foobaz
4  5    food

分别用第二行和第一行替换最后两行（foobaz 和 food）：

df.iloc[-2:]=[df.iloc[1],df.iloc[0]] 

df
Out[119]: 
   a       b
0  1     foo
1  2     bar
2  3  foobar
3  2     bar
4  1     foo

您也可以这样做以获得相同的结果：

df.iloc[-2:]=df.iloc[1::-1].values