使用的平台为通过anaconda安装的jupyter notebook,其版本为6.4.5。
我通过pd.DataFrame(),完全相同地初始化两个变量 df_gain 与 df_loss,其代码如下:
import pandas as pd
import numpy as np
# arr_zeros是由np.zeros()生成的数组
# df_gain 为创建的第一个数据表
df_gain = pd.DataFrame(arr_zeros)
# df_loss 为创建的第二个数据表
df_loss = pd.DataFrame(arr_zeros)
并在后面代码中,依次分别地先给 df_gain 各元素赋值,后给 df_loss 各元素赋值,其代码如下:
# 先给 df_gain 各元素赋值
freq_index = str(i+1) + '_' + str(j+1) + '_gain'
df_gain.iloc[i, j] = gain_or_loss_freq[freq_index]
# 后给 df_loss 各元素赋值
freq_index = str(i+1) + '_' + str(j+1) + '_loss'
df_loss.iloc[i, j] = gain_or_loss_freq[freq_index]
结果查看这两个变量分别导出的csv文件,发现居然一模一样,都与后一个变量 df_loss 相同。原来在初始化 df_loss 的时候,根本就没有新生成一个变量,而是将 df_gain 赋给了df_loss ,所以给 df_gain 赋的值,随后又马上被 df_loss 所赋的值给覆盖, df_gain 实质上就是 df_loss 。最后我的解决办法是,修改 df_loss 的初始化过程,其代码如下:
# arr_zeros是由np.zeros()生成的数组
# df_gain 为创建的第一个数据表
df_gain = pd.DataFrame(arr_zeros)
# df_loss 为创建的第二个数据表
df_loss = df_gain.copy()