我已经创建了一个熊猫数据框架
df = DataFrame(index=['A','B','C'], columns=['x','y'])
得到了这个
x y
A NaN NaN
B NaN NaN
C NaN NaN
现在，我想给特定的单元格赋值，例如给C行和x列赋值。 我希望得到这样的结果:
x y
A NaN NaN
B NaN NaN
C 10 NaN
下面的代码:
df.xs('C')['x'] = 10
但是df的内容没有改变。数据帧仍然只包含nan。
有什么建议吗?
当前回答
.iat /。是很好的解决办法。 假设你有这样一个简单的数据帧:
A B C
0 1 8 4
1 3 9 6
2 22 33 52
如果我们想修改单元格[0，"A"]的值，你可以使用这些解决方案之一:
df。Iat [0,0] = 2 df。at[0，'A'] = 2
下面是一个如何使用iat获取和设置cell值的完整示例:
def prepossessing(df):
for index in range(0,len(df)):
df.iat[index,0] = df.iat[index,0] * 2
return df
Y_train前:
0
0 54
1 15
2 15
3 8
4 31
5 63
6 11
Y_train调用prepossession函数后，iat改变每个单元格的值乘以2:
0
0 108
1 30
2 30
3 16
4 62
5 126
6 22
其他回答
更新:.set_value方法将被弃用。它们是很好的替代品，不幸的是熊猫提供的文件很少
最快的方法是使用set_value。该方法比.ix方法快100倍。例如:
df。set_value('C'， 'x'， 10)
我建议:
df.loc[index_position, "column_name"] = some_value
同时修改多个单元格:
df。loc[start_idx_pos: End_idx_pos， "column_name"] = some_value . loc[start_idx_pos: End_idx_pos， "column_name"] = some_value
如果想要将df的位置(0,0)中的单元格更改为'"236"76"'之类的字符串，则可以使用以下选项:
df[0][0] = '"236"76"'
# %timeit df[0][0] = '"236"76"'
# 938 µs ± 83.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
或者使用pandas.DataFrame.at
df.at[0, 0] = '"236"76"'
# %timeit df.at[0, 0] = '"236"76"'
#15 µs ± 2.09 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)
或者使用pandas.DataFrame.iat
df.iat[0, 0] = '"236"76"'
# %timeit df.iat[0, 0] = '"236"76"'
# 41.1 µs ± 3.09 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
或者使用pandas.DataFrame.loc
df.loc[0, 0] = '"236"76"'
# %timeit df.loc[0, 0] = '"236"76"'
# 5.21 ms ± 401 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
或者使用pandas.DataFrame.iloc
df.iloc[0, 0] = '"236"76"'
# %timeit df.iloc[0, 0] = '"236"76"'
# 5.12 ms ± 300 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
如果时间是相关的，使用pandas.DataFrame.at是最快的方法。
你可以使用。iloc。
df.iloc[[2], [0]] = 10
建议的设置方法(根据维护人员)为:
df.ix['x','C']=10
使用“链式索引”(df['x']['C'])可能会导致问题。
See:
https://stackoverflow.com/a/21287235/1579844 http://pandas.pydata.org/pandas-docs/dev/indexing.html#indexing-view-versus-copy https://github.com/pydata/pandas/pull/6031
