如何使用索引为 Pandas DataFrame 中的特定单元格设置值

  1. 使用 pandas.dataframe.at 方法为 pandas DataFrame 中的特定单元格设置值
  2. 使用 dataframe.set_value() 方法为 pandas DataFrame 中的特定单元格设置值
  3. 使用 dataframe.loc 方法为 pandas DataFrame 中的特定单元格设置值

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。

相关文章 - Pandas DataFrame

  • 如何将 Pandas DataFrame 列标题获取为列表
  • 如何将 Python 词典转换为 Pandas DataFrame
  • comments powered by Disqus