設置多索引熊貓DataFrame的特定單元格

Question

我有一個DataFrame（df_test）帶有可以按行標籤分組的行標籤（'字母'）和列名（'數字'）。

>>> letters = ['a','a','a','a','a','b','b','b','c','c','c','c'] 
>>> n = {'numbers': [0,1,2,3,4,0,1,2,0,1,2,3]} 

>>> df_test = pd.DataFrame(n, index=letters) 
>>> print df_test 

     numbers   
a  0 
a  1 
a  2 
a  3 
a  4 
b  0 
b  1 
b  2 
c  0 
c  1 
c  2 
c  3 

我想創建一個名爲'位置'的新列。每組的第一行（即組a，組b，組c）應該是'S'，最後一行應該是'E'，並且中間行應該是'M'。 （對於開始，中間和結尾;））它是這樣的：

 numbers Position 
a  0   S 
a  1   M 
a  2   M 
a  3   M 
a  4   E 
b  0   S 
b  1   M 
b  2   E 
c  0   S 
c  1   M 
c  2   M 
c  3   E 

我一直在使用的.loc和.iloc的組合，我的新的價值分配到正確的細胞，但得到的嘗試錯誤信息。

>>> df_test['Position'] = 'M' 
>>> for idxName,frame in df_test.groupby(level=0): 
     df_test.loc[idxName,('Position')].iloc[0] = 'S' 
     df_test.loc[idxName,('Position')].iloc[-1] = 'E' 

__main__:2: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame 

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy 
__main__:3: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame 

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy 

我想，這個問題試圖使用.iloc []有使用的.loc []後出現，但我不知道熊貓足夠好，有不同的解決方案，並沒有發現任何東西，儘管在線小時的搜索。 （a）瞭解爲什麼我會收到警告和（b）將我的單元格設置爲正確值的任何幫助將非常感謝！

Answer 1

因爲@ piRSquared的回答並沒有與我的數據幀的原因還不得而知工作，這是我結束了去。

>>> letters = ['a','a','a','a','a','b','b','b','c','c','c','c'] 
>>> n = {'numbers': [0,1,2,3,4,0,1,2,0,1,2,3]} 
>>> df_test = pd.DataFrame(n, index=letters) 
>>> df_test['Position'] = 'M' 

>>> df_test2 = pd.DataFrame() 

>>> for idxName,frame in df_test.groupby(level=0): 
     frameLen = len(df_test.ix[idxName]) 
     df_s = df_test.ix[idxName].iloc[0:1].copy() 
     df_e = df_test.ix[idxName].iloc[-1:frameLen].copy() 
     df_s['Position'] = 'S' 
     df_e['Position'] = 'E' 
     df_test2 = df_test2.append([df_s,df_test.loc[idxName].ix[1:-1],df_e],ignore_index=False) 

>>> df_test2 
    numbers Position 
a 0  S 
a 1  M 
a 2  M 
a 3  M 
a 4  E 
b 0  S 
b 1  M 
b 2  E 
c 0  S 
c 1  M 
c 2  M 
c 3  E 

我會盡量弄清楚如何做到這一點，如果可能，使用「應用」，但現在這個黑客的作品。

Answer 2

寫apply一個函數在groupby

def first_last_me(df, c='Position'): 
    df[c] = 'M' 
    df.iloc[0, -1] = 'S' 
    df.iloc[-1, -1] = 'E' 
    return df 

df_test.groupby(level=0).apply(first_last_me)