HOWTO · Pandas

如何使用索引为 Pandas DataFrame 中的特定单元格设置值

使用索引为 Pandas DataFrame 中的特定单元格设置值的不同方法

作者 Puneet Dobhal发布于 2020-06-09更新于 2023-01-30

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。

关于作者

Puneet Dobhal

查看作者主页