如何使用索引為 Pandas DataFrame 中的特定單元格設定值

  1. 使用 pandas.dataframe.at 方法為 pandas DataFrame 中的特定單元格設定值
  2. 使用 dataframe.set_value() 方法為 pandas DataFrame 中的特定單元格設定值
  3. 使用 dataframe.loc 方法為 pandas DataFrame 中的特定單元格設定值

Pandas 是一個以資料為中心的 python 軟體包,它使 python 中的資料分析變得容易且一致。在本文中,我們將研究使用索引訪問和設定 pandas DataFrame 資料結構中特定單元格值的不同方法。

使用 pandas.dataframe.at 方法為 pandas DataFrame 中的特定單元格設定值

當需要在 DataFrame 中設定單個值時,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))

輸出:

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

你可能會注意到,在訪問單元格時,我們已將索引和列指定為 .at[0,'Col1'],其中第一個引數是索引,第二個引數是列。

如果你省略列而僅指定索引,則該索引的所有值都將被修改。

使用 dataframe.set_value() 方法為 pandas DataFrame 中的特定單元格設定值

另一種選擇是 dataframe.set_value() 方法。這與以前的方法非常相似,一次訪問一個值,但是語法略有不同。

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))

輸出:

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 方法為 pandas DataFrame 中的特定單元格設定值

設定特定單元格的語法略有不同的另一種可行方法是 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))

輸出:

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 中修改或設定特定單元格的便捷方法,語法和規範上有微小差異。

相關文章 - Pandas DataFrame

  • 在 Pandas 中載入 JSON 檔案
  • 將函式應用於 Pandas DataFrame 中的多個列