如何在pandas中设置特定的单元格值？

  • Z时代
  • 2024-01-10
  • 分类：问答

我试图在pandas数据框中设置一个值。

ZEROS = np.zeros((4,4), dtype=np.int)
df = pd.DataFrame(ZEROS,  columns=['A1','B1','C1','D1'])
df.at[2,3] = 32
df

在此处输入图片说明

我不需要NaN整个专栏，预期的输出如下：

使用numpy我可以像下面这样设置值

ZEROS[1][3] = 44

输出：

array([[ 0,  0,  0,  0],
       [ 0,  0,  0, 44],
       [ 0,  0,  0,  0],
       [ 0,  0,  0,  0]])

回答：

使用 于参考和/或分配给一个小区的序号位置。

ZEROS = np.zeros((4,4), dtype=np.int)
df = pd.DataFrame(ZEROS,  columns=['A1','B1','C1','D1'])
df.iat[2,3] = 32
df
   A1  B1  C1  D1
0   0   0   0   0
1   0   0   0   0
2   0   0   0  32
3   0   0   0   0

你也可以使用iloc但是，iloc可

采取类似阵列输入。这使iloc灵活性更高，但也需要更多开销。因此，如果仅要更改一个单元格，请使用…iat

另请参阅此帖子以获取更多信息

已更新，pandas 0.20因为ix已弃用。这不但表明了如何使用loc，iloc，at，iat，set_value，但如何实现，混合位置/标签基于索引。

loc-基于标签

允许您将一维数组作为索引器传递。数组可以是索引或列的切片（子集），也可以是长度与索引或列相等的布尔数组。

特别说明：当传递标量索引器时，loc可以分配以前不存在的新索引或列值。

# label based, but we can use position values
# to get the labels from the index object
df.loc[df.index[2], 'ColName'] = 3
df.loc[df.index[1:3], 'ColName'] = 3

iloc-基于位置

类似于，loc除了位置而不是索引值。但是，您不能分配新的列或索引。

# position based, but we can get the position
# from the columns object via the `get_loc` method
df.iloc[2, df.columns.get_loc('ColName')] = 3
df.iloc[2, 4] = 3
df.iloc[:3, 2:4] = 3

at-基于标签的

作品与loc标量索引器非常相似。 无法对数组索引器进行操作。 能够！分配新的索引和列。

优势比loc是，这是速度更快。

缺点是不能将数组用于索引器。

# label based, but we can use position values
# to get the labels from the index object
df.at[df.index[2], 'ColName'] = 3
df.at['C', 'ColName'] = 3

iat-基于位置的

原理相似iloc。 无法在数组索引器中工作。 不能！分配新的索引和列。

优势比iloc是，这是速度更快。

缺点是不能将数组用于索引器。

# position based, but we can get the position
# from the columns object via the `get_loc` method
IBM.iat[2, IBM.columns.get_loc('PNL')] = 3

set_value-基于标签的

作品与loc标量索引器非常相似。 无法对数组索引器进行操作。 能够！分配新的索引和列

优势超级快，因为几乎没有开销！

缺点由于pandas没有进行大量安全检查，因此开销很少。 使用风险自负。另外，这也不打算供公众使用。

# label based, but we can use position values
# to get the labels from the index object
df.set_value(df.index[2], 'ColName', 3)

set_value同takable=True-位置，并根据

原理相似iloc。 无法在数组索引器中工作。 不能！分配新的索引和列。

优势超级快，因为几乎没有开销！

缺点由于pandas没有进行大量安全检查，因此开销很少。 使用风险自负。另外，这也不打算供公众使用。

# position based, but we can get the position
# from the columns object via the `get_loc` method
df.set_value(2, df.columns.get_loc('ColName'), 3, takable=True)

以上是 如何在pandas中设置特定的单元格值？ 的全部内容， 来源链接： utcz.com/qa/399693.html

回到顶部