这似乎是一个非常简单的问题......但我没有看到我期待的简单答案。

那么，如何在 Pandas 中获取给定列的第 n 行的值？ (我对第一行特别感兴趣，但也会对更一般的做法感兴趣)。

例如，假设我想将 Btime 中的 1.2 值拉为变量。

这样做的正确方法是什么？

>>> 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

最佳答案

要选择 ith 行，use 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，您可以使用:

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

df_test['Btime'].iloc[0](推荐)和df_test.iloc[0]['Btime']有区别:

DataFrames 将数据存储在基于列的 block 中(其中每个 block 都有一个 dtype)。如果先按列选择，则可以返回 view(即 比返回副本更快)并保留原始数据类型。相比之下， 如果您首先按行选择，并且 DataFrame 具有不同的列 dtypes，然后 Pandas 将数据复制到一个新的对象 dtype 系列中。所以 选择列比选择行快一点。因此，虽然 df_test.iloc[0]['Btime'] 有效，df_test['Btime'].iloc[0] 有点 更高效。

在分配方面，两者之间存在很大差异。 df_test['Btime'].iloc[0] = x 影响 df_test，但 df_test.iloc[0]['Btime'] 不得。有关原因的解释，请参见下文。因为细微的差别 索引的顺序对行为有很大影响，最好使用单个索引分配:

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

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

recommended way 将新值分配给 DataFrame 到 avoid chained indexing , 而是使用方法 shown by andrew ,

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

或

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

后一种方法要快一些，因为 df.loc 必须将行和列标签转换为 位置索引，因此如果您使用，则需要较少的转换 df.iloc 代替。

df['Btime'].iloc[0] = x 有效，但不推荐:

虽然这可行，但它利用了当前实现 DataFrame 的方式。无法保证 Pandas 将来必须以这种方式工作。特别是，它利用了(当前) df['Btime'] 总是返回一个 查看(不是副本)，因此 df['Btime'].iloc[n] = x 可用于分配一个新值 在 df 的 Btime 列的第 n 个位置。

由于 Pandas 没有明确保证索引器何时返回 View 和副本，因此使用链式索引的赋值通常总是引发 SettingWithCopyWarning，即使在这种情况下赋值成功修改 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:

相比之下，使用 df.iloc[0]['bar'] = 123 的赋值不起作用，因为 df.iloc[0] 正在返回一个副本:

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:我之前建议过 df_test.ix[i, 'Btime']。但这不能保证给你 ith 值，因为 ix 在尝试按 position索引之前尝试按 label 进行索引时间>。因此，如果 DataFrame 有一个从 0 开始没有按排序顺序排列的整数索引，那么使用 ix[i] 将返回行 labeled i 而不是 ith 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'

https://stackoverflow.com/questions/25254016/