如何使用索引为 Pandas DataFrame 中的特定单元格设置值

Python 2月前 33

Pandas 是一个以数据为中心的 python 软件包，它使 python 中的数据分析变得容易且一致。在本文中，我们将研究使用索引访问和设置 pandas DataFrame 数据结构中特定单元格值的不同方法。

使用 `pandas.dataframe.at` 方法为 pandas DataFrame 中的特定单元格设置值

当需要在 DataFrame 中设置单个值时，主要使用 pandas.dataframe.at 方法。

import pandas as pd
sample_df = pd.DataFrame([
                [10, 20, 30],
                [11, 21, 31],
                [15, 25, 35]],
                index=[0, 1, 2],
                columns=['Col1', 'Col2', 'Col3'])
print"\nOriginal DataFrame"
print(pd.DataFrame(sample_df))
sample_df.at[0, 'Col1'] = 99
sample_df.at[1, 'Col2'] = 99
sample_df.at[2, 'Col3'] = 99
print"\nModified DataFrame"
print(pd.DataFrame(sample_df))

输出：

Original DataFrame
   Col1  Col2  Col3
0    10    20    30
1    11    21    31
2    15    25    35
Modified DataFrame
   Col1  Col2  Col3
0    99    20    30
1    11    99    31
2    15    25    99

你可能会注意到，在访问单元格时，我们已将索引和列指定为 .at[0, 'Col1']，其中第一个参数是索引，第二个参数是列。

如果你省略列而仅指定索引，则该索引的所有值都将被修改。

使用 `Dataframe.set_value()` 方法为 pandas DataFrame 中的特定单元格设置值

另一种选择是 Dataframe.set_value() 方法。这与以前的方法非常相似，一次访问一个值，但是语法略有不同。

import pandas as pd
sample_df = pd.DataFrame([
                [10, 20, 30],
                [11, 21, 31],
                [15, 25, 35]],
                index=[0, 1, 2],
                columns=['Col1', 'Col2', 'Col3'])
print"\nOriginal DataFrame"
print(pd.DataFrame(sample_df))
sample_df.set_value(0, 'Col1',99)
sample_df.set_value(1, 'Col2',99)
sample_df.set_value(2, 'Col3',99)
print"\nModified DataFrame"
print(pd.DataFrame(sample_df))

输出：

Original DataFrame
   Col1  Col2  Col3
0    10    20    30
1    11    21    31
2    15    25    35
Modified DataFrame
   Col1  Col2  Col3
0    99    20    30
1    11    99    31
2    15    25    99

使用 `Dataframe.loc` 方法为 pandas DataFrame 中的特定单元格设置值

设置特定单元格的语法略有不同的另一种可行方法是 dataframe.loc 方法。

import pandas as pd
sample_df = pd.DataFrame([[10, 20, 30],
                [11, 21, 31],
                [15, 25, 35]],
                index=[0, 1, 2],
                columns=['Col1', 'Col2', 'Col3'])
print"\nOriginal DataFrame"
print(pd.DataFrame(sample_df))
sample_df.loc[0, 'Col3'] = 99
sample_df.loc[1, 'Col2'] = 99
sample_df.loc[2, 'Col1'] = 99
print"\nModified DataFrame"
print(pd.DataFrame(sample_df))

输出：

Original DataFrame
   Col1  Col2  Col3
0    10    20    30
1    11    21    31
2    15    25    35
Modified DataFrame
   Col1  Col2  Col3
0    10    20    99
1    11    99    31
2    99    25    35

本文中所有上述方法都是在 Pandas DataFrame 中修改或设置特定单元格的便捷方法，语法和规范上有微小差异。

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布，任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站。本站所有源码与软件均为原作者提供，仅供学习和研究使用。如您对本站的相关版权有任何异议，或者认为侵犯了您的合法权益，请及时通知我们处理。