获取给定列的第一行值

13 浏览
0 Comments

获取给定列的第一行值

这似乎是一个非常简单的问题……但我没有看到我期望的简单答案。

那么，如何在Pandas中获取给定列的第n行的值？（我特别关心第一行，但对更一般的做法也感兴趣）。

例如，假设我想要将Btime中的值1.2作为变量提取出来。

怎么做才是正确的？

>>> 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

admin 更改状态以发布 2023年5月25日
0

2 答案

0 Comments

请注意，@unutbu的回答在你想更新值时是正确的，但如果你的dataframe是一个视图，那么它就不起作用了。

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)

另一个始终适用于设置和获取的方法是：

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

0
0 Comments

选择第ith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

要选择Btime列中的第i个值，可以使用：

In [30]: df_test['Btime'].iloc[0]
Out[30]: 1.2

df_test['Btime'].iloc[0]（推荐）和df_test.iloc[0]['Btime']之间存在差异：

DataFrames将数据存储在基于列的块中（每个块具有单个dtype）。如果先按列选择，可以返回视图（比返回副本更快），并且原始dtype得到保留。相反，如果首先按行选择，并且如果DataFrame具有不同dtype的列，则Pandas会将数据复制到新的对象dtype系列中。因此，选择列比选择行要快一些。因此，尽管df_test.iloc[0]['Btime']可行，但df_test['Btime'].iloc[0]稍微更有效。

在赋值方面，这两者之间有很大的差异。df_test['Btime'].iloc[0] = x影响df_test，但df_test.iloc[0]['Btime']可能不会。请参见下面的说明，了解为什么索引的微小差异会导致行为大不同，更好的方法是使用单索引分配：

df.iloc[0, df.columns.get_loc('Btime')] = x

df.iloc [0，df.columns.get_loc（'Btime'）] = x（推荐）：

向DataFrame分配新值的推荐方法是避免链式索引，而是使用andrew显示的方法

df.loc[df.index[n], 'Btime'] = x

或者

df.iloc[n, df.columns.get_loc('Btime')] = x

后者方法会更快一些，因为df.loc需要将行和列标签转换为位置索引，因此如果使用df.iloc，则需要进行更少的转换。

df['Btime'].iloc[0] = x可以工作，但不推荐使用：

虽然这样可以工作，但它是利用了当前实现DataFrames的方式。无法保证Pandas将来一定会这样工作。特别是，它利用了当前df ['Btime']总是返回一个视图(而不是副本)的事实，因此可以使用df ['Btime'] .iloc [n] = x将新值指定在df的Btime列的第n个位置上。

由于Pandas没有显示保证何时索引器返回视图而不是副本，因此通常使用链式索引的赋值操作总是引发SettingWithCopyWarning，即使在此情况下赋值操作成功修改了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不起作用：

与此相反，使用df.iloc [0] ['bar'] = 123进行赋值操作是不起作用的，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.ix [i，'Btime']，但无法保证给出第i个值，因为ix试图先按标签索引，然后再按位置索引。因此，如果DataFrame具有未从0开始排序的整数索引，则使用ix [i]会返回标记为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'

（原文翻译：123）

0