Pandas - รับค่าแถวแรกของคอลัมน์ที่กำหนด

ดูเหมือนว่าเป็นคำถามง่าย ๆ ที่น่าขัน แต่ฉันไม่เห็นคำตอบง่ายๆที่ฉันคาดหวัง

ดังนั้นฉันจะรับค่าที่แถวที่ n ของคอลัมน์ที่ระบุใน Pandas ได้อย่างไร (ฉันสนใจเป็นพิเศษในแถวแรก แต่จะสนใจในการปฏิบัติทั่วไปมากขึ้นเช่นกัน)

ตัวอย่างเช่นสมมติว่าฉันต้องการดึงค่า 1.2 ใน Btime เป็นตัวแปร

วิธีที่เหมาะสมในการทำเช่นนี้คืออะไร?

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

ในการเลือกithแถวให้ใช้iloc :

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

ในการเลือกค่า ith ในBtimeคอลัมน์ที่คุณสามารถใช้:

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

มีความแตกต่างระหว่างdf_test['Btime'].iloc[0](แนะนำ) และdf_test.iloc[0]['Btime']:

DataFrames เก็บข้อมูลในบล็อกตามคอลัมน์ (โดยที่แต่ละบล็อกมี dtype เดียว) หากคุณเลือกตามคอลัมน์ก่อนคุณสามารถส่งคืนมุมมองได้ (ซึ่งเร็วกว่าการส่งคืนสำเนา) และชนิดของต้นฉบับจะถูกเก็บไว้ ในทางตรงกันข้ามถ้าคุณเลือกตามแถวก่อนและถ้า DataFrame มีคอลัมน์ของ dtypes ที่ต่างกัน Pandas จะคัดลอกข้อมูลไปยังชุดข้อมูลใหม่ของวัตถุชนิด dtype ดังนั้นการเลือกคอลัมน์จึงเร็วกว่าการเลือกแถว ดังนั้นแม้ว่าการ df_test.iloc[0]['Btime']ทำงานdf_test['Btime'].iloc[0]จะมีประสิทธิภาพมากกว่าเล็กน้อย

มีความแตกต่างอย่างมากระหว่างสองเรื่องนี้เมื่อพูดถึงการมอบหมาย df_test['Btime'].iloc[0] = xส่งผลกระทบต่อdf_testแต่df_test.iloc[0]['Btime'] อาจไม่ ดูคำอธิบายว่าทำไมด้านล่าง เนื่องจากความแตกต่างเล็กน้อยในลำดับของการทำดัชนีทำให้เกิดความแตกต่างอย่างมากในเรื่องของพฤติกรรมจึงเป็นการดีกว่าที่จะใช้การมอบหมายการทำดัชนีเดี่ยว:

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

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

วิธีที่แนะนำไปเป็นค่าใหม่กำหนดให้ DataFrame คือการหลีกเลี่ยงการจัดทำดัชนีที่ถูกล่ามโซ่และแทนที่จะใช้วิธีการแสดงโดยแอนดรู ,

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

หรือ

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

เมธอดหลังนั้นเร็วกว่าเล็กน้อยเนื่องจากdf.locต้องแปลงเลเบลแถวและคอลัมน์เป็นดัชนีตำแหน่งดังนั้นจึงจำเป็นต้องมีการแปลงน้อยกว่าเล็กน้อยหากคุณใช้ df.ilocแทน

df['Btime'].iloc[0] = x ใช้งานได้ แต่ไม่แนะนำ:

แม้ว่าจะได้ผล แต่ก็ใช้ประโยชน์จากวิธีการใช้งานDataFrames ในปัจจุบัน ไม่มีการรับประกันว่า Pandas จะต้องทำงานในลักษณะนี้ในอนาคต โดยเฉพาะอย่างยิ่งการใช้ประโยชน์จากความจริงที่ว่า (ปัจจุบัน) df['Btime']เสมอกลับมุมมอง (ไม่ใช่สำเนา) เพื่อให้df['Btime'].iloc[n] = xสามารถใช้ในการกำหนดค่าใหม่ที่สถานที่ที่ n ของคอลัมน์Btimedf

เนื่องจาก Pandas ไม่ได้รับประกันอย่างชัดเจนว่าเมื่อใดที่ indexers ส่งคืนมุมมองและคัดลอกการมอบหมายที่ใช้การจัดทำดัชนีแบบเชนมักจะยกระดับSettingWithCopyWarningแม้ว่าในกรณีนี้การมอบหมายจะสำเร็จในการแก้ไขdf:

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 ไม่ทำงาน, ไม่เป็นผล:

ในทางตรงกันข้ามการมอบหมายด้วยdf.iloc[0]['bar'] = 123ไม่ได้ผลเพราะdf.iloc[0]ส่งคืนสำเนา:

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

คำเตือน : ฉันเคยแนะนำdf_test.ix[i, 'Btime']ไปแล้ว แต่นี้ไม่รับประกันว่าจะให้คุณithคุ้มค่าตั้งแต่ixพยายามที่จะดัชนีโดยฉลากก่อนที่จะพยายามที่จะสร้างดัชนีโดยตำแหน่ง ดังนั้นหาก DataFrame มีดัชนีจำนวนเต็มซึ่งไม่เรียงตามลำดับเริ่มต้นที่ 0 การใช้ix[i]จะส่งคืนแถวที่ติดป้าย iแทนที่จะเป็นithแถว ตัวอย่างเช่น,

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'

โปรดทราบว่าคำตอบจาก @unutbu จะถูกต้องจนกว่าคุณจะต้องการตั้งค่าเป็นสิ่งใหม่แล้วมันจะไม่ทำงานหาก dataframe ของคุณเป็นมุมมอง

In [4]: df = pd.DataFrame({'foo':list('ABC')}, index=[0,2,1])
In [5]: df['bar'] = 100
In [6]: df['bar'].iloc[0] = 99
/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/pandas-0.16.0_19_g8d2818e-py2.7-macosx-10.9-x86_64.egg/pandas/core/indexing.py:118: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame

See the the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  self._setitem_with_indexer(indexer, value)

วิธีการอื่นที่จะทำงานอย่างต่อเนื่องกับการตั้งค่าและการรับคือ

In [7]: df.loc[df.index[0], 'foo']
Out[7]: 'A'
In [8]: df.loc[df.index[0], 'bar'] = 99
In [9]: df
Out[9]:
  foo  bar
0   A   99
2   B  100
1   C  100

อีกวิธีในการทำเช่นนี้:

first_value = df['Btime'].values[0]

วิธีนี้ดูเหมือนจะเร็วกว่าการใช้.iloc:

In [1]: %timeit -n 1000 df['Btime'].values[20]
5.82 µs ± 142 ns per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [2]: %timeit -n 1000 df['Btime'].iloc[20]
29.2 µs ± 1.28 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

1. df.iloc[0].head(1) - ชุดข้อมูลแรกเฉพาะจากแถวแรกทั้งหมด
2. df.iloc[0] - แถวแรกทั้งหมดในคอลัมน์

โดยทั่วไปหากคุณต้องการรับแถว N แถวแรกจากคอลัมน์ Jจากpandas dataframeวิธีที่ดีที่สุดในการทำเช่นนี้คือ:

data = dataframe[0:N][:,J]

ในการรับค่าเช่นจากคอลัมน์ 'test' และแถวที่ 1 ก็ใช้งานได้

df[['test']].values[0][0]

เป็นเพียงdf[['test']].values[0]ให้กลับอาร์เรย์

อีกวิธีในการรับแถวแรกและเก็บรักษาดัชนี:

x = df.first('d') # Returns the first day. '3d' gives first three days.