如何用NumPy数组替换Pandas DataFrame中的指定行？

针对你给出的DataFrame场景，我来一步步说明如何用NumPy数组替换指定行（比如第0行），甚至批量替换多行：

先明确前提 #

你的原始DataFrame里的元素是字符串格式的坐标对（比如(1,2)），所以我们有两种常见的处理思路：直接替换字符串为NumPy数组，或者先把整个DataFrame的字符串转成数组后再替换。

思路1：直接替换指定行为NumPy数组 #

这种方法适合只修改少数行，不需要转换整个DataFrame类型的场景：

完整代码示例

import sys
import numpy as np
if sys.version_info[0] < 3:
    from StringIO import StringIO
else:
    from io import StringIO
import pandas as pd

# 构建你提供的测试DataFrame
TESTDATA = StringIO("""col1;col2;col3
(1,2);(3,4);(5,6)
(7,8);(9,10);(11,12)
(13,14);(15,16);(17,18)
(19,20);(21,22);(23,24)
""")
df = pd.read_csv(TESTDATA, sep=";")

# 1. 准备替换第0行的NumPy数组（数量和列数要对应）
replacement_row = [
    np.array([10, 20]),  # 替换col1的(1,2)
    np.array([30, 40]),  # 替换col2的(3,4)
    np.array([50, 60])   # 替换col3的(5,6)
]

# 2. 替换第0行：用.loc定位行并赋值
df.loc[0] = replacement_row

# 如果你需要批量替换多行（比如第0行和第2行）
multi_replacement = [
    [np.array([10,20]), np.array([30,40]), np.array([50,60])],
    [np.array([130,140]), np.array([150,160]), np.array([170,180])]
]
df.loc[[0, 2]] = multi_replacement

# 查看替换后的结果
print(df)

关键说明

• 使用df.loc[row_index]可以精准定位目标行：row_index可以是单个整数（比如0），也可以是整数列表（比如[0,2]）实现批量替换。
• 替换用的数组必须和DataFrame的列数一一对应，否则会报错。
• 因为原始DataFrame的列是object类型（能存储任意对象），所以直接放NumPy数组完全没问题。

思路2：先把整个DataFrame转成NumPy数组格式，再替换指定行 #

如果后续需要对所有行做数组操作，建议先把字符串格式的坐标统一转换成NumPy数组，再替换目标行：

完整代码示例

import sys
import numpy as np
if sys.version_info[0] < 3:
    from StringIO import StringIO
else:
    from io import StringIO
import pandas as pd

TESTDATA = StringIO("""col1;col2;col3
(1,2);(3,4);(5,6)
(7,8);(9,10);(11,12)
(13,14);(15,16);(17,18)
(19,20);(21,22);(23,24)
""")
df = pd.read_csv(TESTDATA, sep=";")

# 1. 定义函数：把字符串格式的坐标转成NumPy数组
def str_to_np_arr(s):
    # 去掉括号、分割字符串、转成整数数组
    num_strs = s.strip('()').split(',')
    return np.array([int(num) for num in num_strs])

# 2. 把整个DataFrame的元素转换成NumPy数组
df = df.applymap(str_to_np_arr)

# 3. 替换指定行（比如第0行）
df.loc[0] = [np.array([100, 200]), np.array([300, 400]), np.array([500, 600])]

# 查看结果
print(df)

关键说明

• applymap会对DataFrame的每个单元格应用转换函数，一次性把所有字符串转成NumPy数组，后续操作更方便。
• 替换逻辑和思路1一致，用df.loc定位行后赋值即可。

内容的提问来源于stack exchange，提问作者vampiretap