什么是正确的方法?
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
#1 楼
要选择ith
行,请使用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: /> df_test['Btime'].iloc[0]
(推荐)和df_test.iloc[0]['Btime']
之间是有区别的: )。如果首先按列选择,则可以返回视图(比返回副本要快),并且保留了原始dtype。相反,如果先按行选择,并且DataFrame的列具有不同的
dtype,则Pandas将数据复制到新的Object 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']
可以工作,但df_test['Btime'].iloc[0]
有点高效率。分配时两者之间有很大差异。
df_test['Btime'].iloc[0] = x
,但df_test
可能不会。有关原因的说明,请参见下文。由于索引顺序的细微差异会在行为上产生很大差异,因此最好使用单个索引分配:
In [30]: df_test['Btime'].iloc[0]
Out[30]: 1.2
df_test.iloc[0]['Btime']
(推荐):将新值分配给DataFrame的推荐方法是避免链接索引,而应使用
andrew显示的方法,
df.iloc[0, df.columns.get_loc('Btime')] = x
或
df.loc[df.index[n], 'Btime'] = x
后一种方法更快,因为
df.iloc[0, df.columns.get_loc('Btime')] = x
必须转换行和列标签到位置索引,因此,如果您使用
df.loc
,则转换所需的时间要少一些。df.iloc
可以,但是不推荐使用:尽管可以,但是它利用了DataFrames当前实现的方式。不能保证熊猫将来会以这种方式工作。特别是,它利用了以下事实:(当前)
df['Btime'].iloc[0] = x
始终返回a 视图(不是副本),因此
df['Btime']
可用于在df['Btime'].iloc[n] = x
的Btime
列的第n个位置分配新值。视图与副本相比,使用链式索引的分配通常总会产生一个df
,即使在这种情况下,分配成功修改了SettingWithCopyWarning
:/>
df
不起作用:相反,用
df.iloc[0]['Btime'] = x
赋值不起作用,因为df.iloc[0]['bar'] = 123
返回了一个副本: />警告:我之前曾建议df.iloc[0]
。但这不能保证为您提供df_test.ix[i, 'Btime']
的值,因为ith
在尝试按位置索引之前尝试按标签进行索引。因此,如果DataFrame的整数索引不是从0开始的排序顺序,则使用ix
将返回标记为ix[i]
的行而不是i
的行。例如,df.iloc[n, df.columns.get_loc('Btime')] = x
评论
@CristianCiupitu:DataFrames将数据存储在基于列的块中(每个块具有一个dtype)。如果先按列选择,则可以返回视图(比返回副本要快),并且保留原始dtype。相反,如果首先选择按行,并且DataFrame的列具有不同的dtype,则Pandas将数据复制到新的Object 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']有效,但df_test.iloc ['Btime'] [0]效率更高。
–unutbu
19年8月3日在17:34
@unutbu,是df ['Btime']。iloc [0]比df ['Btime']。values [0]优先吗?我从文档中看到它显示为“警告:我们建议您使用Series.array或Series.to_numpy(),具体取决于您需要引用基础数据还是NumPy数组。”但我不确定这到底是什么意思
–aydow
1月16日下午3:01
#2 楼
请注意,@ unutbu的答案是正确的,直到您要将值设置为新值,否则如果您的数据框是视图,则该答案将不起作用。可以同时在设置和获取上使用的另一种方法是: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)
评论
我正在遍历一堆.csv文件,并在每个文件中读取某个列的第一个值。由于某些原因,我无法解释而不是返回值,这有时会返回索引以及使处理混乱的值。我求助于df.col.unique()[0]。
–麻雀
16-09-16在22:50
#3 楼
执行此操作的另一种方法:first_value = df['Btime'].values[0]
这种方法似乎比使用
.iloc
快:#4 楼
df.iloc[0].head(1)
-仅来自整个第一行的第一个数据集。df.iloc[0]
-整列的第一行。#5 楼
通常,如果要从pandas dataframe
的J列中拾取前N行,则最好的方法是:data = dataframe[0:N][:,J]
评论
@anis:为此,我相信您最好写一个新问题,寻求更一般的解决方案,然后自己回答。
– jonathan.scholbach
17-10-13在8:19
#6 楼
例如,要从列“ test”和第1行获取值,它的工作原理如下:#7 楼
获取第一行并保留索引的另一种方法: x = df.first('d') # Returns the first day. '3d' gives first three days.
评论
如果您只是想要第一行,那么df_test.head(1)将起作用,更通用的形式是使用unutbu回答的iloc
您是否只需要值1.2?还是通过df_test.head(1)获得的长度为1的系列,该系列还将包含索引?要仅获取值,请执行df_test.head(1).item()或tolist()然后切片。