这似乎是一个非常简单的问题……但我没有看到我期待的简单答案。
那么，我如何得到Pandas中给定列的第n行的值呢?(我对第一行特别感兴趣，但也会对更普遍的实践感兴趣)。
例如，假设我想在Btime中提取1.2值作为变量。
正确的做法是什么?
>>> df_test
ATime X Y Z Btime C D E
0 1.2 2 15 2 1.2 12 25 12
1 1.4 3 12 1 1.3 13 22 11
2 1.5 1 10 6 1.4 11 20 16
3 1.6 2 9 10 1.7 12 29 12
4 1.9 1 1 9 1.9 11 21 19
5 2.0 0 0 0 2.0 8 10 11
6 2.4 0 0 0 2.4 10 12 15
当前回答
注意，来自@unutbu的答案将是正确的，直到你想将值设置为新的值，然后如果你的数据框架是一个视图，它将不起作用。
In [4]: df = pd.DataFrame({'foo':list('ABC')}, index=[0,2,1])
In [5]: df['bar'] = 100
In [6]: df['bar'].iloc[0] = 99
/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/pandas-0.16.0_19_g8d2818e-py2.7-macosx-10.9-x86_64.egg/pandas/core/indexing.py:118: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame
See the the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
self._setitem_with_indexer(indexer, value)
另一种同时使用setting和getting的方法是:
In [7]: df.loc[df.index[0], 'foo']
Out[7]: 'A'
In [8]: df.loc[df.index[0], 'bar'] = 99
In [9]: df
Out[9]:
foo bar
0 A 99
2 B 100
1 C 100
其他回答
要选择第i行，使用iloc:
In [31]: df_test.iloc[0]
Out[31]:
ATime 1.2
X 2.0
Y 15.0
Z 2.0
Btime 1.2
C 12.0
D 25.0
E 12.0
Name: 0, dtype: float64
要在Btime列中选择第i个值，您可以使用:
In [30]: df_test['Btime'].iloc[0]
Out[30]: 1.2
df_test['Btime']之间有区别。iloc[0](推荐)和df_test.iloc[0]['Btime']:
DataFrames store data in column-based blocks (where each block has a single dtype). If you select by column first, a view can be returned (which is quicker than returning a copy) and the original dtype is preserved. In contrast, if you select by row first, and if the DataFrame has columns of different dtypes, then Pandas copies the data into a new Series of object dtype. So selecting columns is a bit faster than selecting rows. Thus, although df_test.iloc[0]['Btime'] works, df_test['Btime'].iloc[0] is a little bit more efficient.
当涉及到作业时，两者之间有很大的区别。 df_test [' Btime ']。iloc[0] = x影响df_test，但是df_test.iloc[0]['Btime'] 可能不会。请看下面的解释。因为细微的差别 索引的顺序在行为上有很大的不同，最好使用单索引赋值:
df.iloc[0, df.columns.get_loc('Btime')] = x
df。iloc[0, df.columns.get_loc('Btime')] = x(推荐):
为对象赋新值的推荐方法 DataFrame是为了避免链式索引，而是使用所示的方法 安德鲁,
df.loc[df.index[n], 'Btime'] = x
or
df.iloc[n, df.columns.get_loc('Btime')] = x
后一种方法稍微快一点，因为df。Loc必须将行标签和列标签转换为 位置索引，所以如果你使用 df。iloc代替。
df(“Btime”)。Iloc [0] = x工作，但不建议:
虽然这是可行的，但它利用了目前实现dataframe的方式。没有人保证熊猫将来一定要这样工作。特别地，它利用了(当前)df['Btime']总是返回a view(非副本)so df['Btime']。Iloc [n] = x可以用来赋一个新值 在df的Btime列的第n个位置。
由于Pandas没有明确保证索引器什么时候返回一个视图，什么时候返回一个副本，使用链式索引的赋值通常会引发一个SettingWithCopyWarning，即使在这种情况下赋值成功修改了df:
In [22]: df = pd.DataFrame({'foo':list('ABC')}, index=[0,2,1])
In [24]: df['bar'] = 100
In [25]: df['bar'].iloc[0] = 99
/home/unutbu/data/binky/bin/ipython:1: 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
self._setitem_with_indexer(indexer, value)
In [26]: df
Out[26]:
foo bar
0 A 99 <-- assignment succeeded
2 B 100
1 C 100
df。iloc[0]['Btime'] = x不正常:
相反，df赋值。Iloc [0]['bar'] = 123不工作，因为df。Iloc[0]返回一个副本:
In [66]: df.iloc[0]['bar'] = 123
/home/unutbu/data/binky/bin/ipython:1: 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
In [67]: df
Out[67]:
foo bar
0 A 99 <-- assignment failed
2 B 100
1 C 100
警告:我之前建议使用df_test。第九(我,“Btime”)。但这并不能保证给你第i个值，因为ix在尝试按位置索引之前会先尝试按标签索引。因此，如果DataFrame有一个整数索引，它不是按从0开始的顺序排序的，那么使用ix[i]将返回标记为i的行，而不是第i行。例如,
In [1]: df = pd.DataFrame({'foo':list('ABC')}, index=[0,2,1])
In [2]: df
Out[2]:
foo
0 A
2 B
1 C
In [4]: df.ix[1, 'foo']
Out[4]: 'C'
注意，来自@unutbu的答案将是正确的，直到你想将值设置为新的值，然后如果你的数据框架是一个视图，它将不起作用。
In [4]: df = pd.DataFrame({'foo':list('ABC')}, index=[0,2,1])
In [5]: df['bar'] = 100
In [6]: df['bar'].iloc[0] = 99
/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/pandas-0.16.0_19_g8d2818e-py2.7-macosx-10.9-x86_64.egg/pandas/core/indexing.py:118: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame
See the the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
self._setitem_with_indexer(indexer, value)
另一种同时使用setting和getting的方法是:
In [7]: df.loc[df.index[0], 'foo']
Out[7]: 'A'
In [8]: df.loc[df.index[0], 'bar'] = 99
In [9]: df
Out[9]:
foo bar
0 A 99
2 B 100
1 C 100
.iat和.at是获取和设置单个值的方法，比.iloc和.loc快得多。Mykola Zotko在他们的回答中指出了这一点，但他们没有充分使用。iat。
当我们可以使用.iat或.at时，我们应该只需要索引到数据帧一次。
这并不好:
df['Btime'].iat[0]
这并不理想，因为首先选择'Btime'列作为一个系列，然后使用.iat索引到该系列。
以下两种选择是最好的:
使用零索引位置: df。Iat[0,4] #获取第0行和第4列的值 使用标签: df。at[0， 'Btime'] #获取索引标签为0且列名为"Btime"的值。
这两个方法都返回值1.2。
要访问单个值，可以使用比iloc快得多的方法iat:
df['Btime'].iat[0]
你也可以使用take方法:
df['Btime'].take(0)
df.iloc[0].head(1) -仅来自整个第一行的第一个数据集。 df。iloc[0] -列中的第一行。
