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
在我的例子中，我只是在选定单元格中更改它
for index, row in result.iterrows():
if np.isnan(row['weight']):
result.at[index, 'weight'] = 0.0
'result'是一个带列'weight'的数据字段
其他回答
这是唯一对我有效的方法!
df.loc['C', 'x'] = 10
在这里了解有关.loc的更多信息。
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
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
我测试了，输出是df。Set_value稍微快一点，但官方方法df。At看起来是最快的非弃用的方法。
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.rand(100, 100))
%timeit df.iat[50,50]=50 # ✓
%timeit df.at[50,50]=50 # ✔
%timeit df.set_value(50,50,50) # will deprecate
%timeit df.iloc[50,50]=50
%timeit df.loc[50,50]=50
7.06 µs ± 118 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
5.52 µs ± 64.2 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
3.68 µs ± 80.8 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
98.7 µs ± 1.07 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
109 µs ± 1.42 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
注意，这是为单个单元格设置值。对于向量来说，loc和iloc应该是更好的选择，因为它们是向量化的。
df.loc [' c ', ' x '] = 10 这将改变第c行和 xth列。
