如何使用索引為 Pandas DataFrame 中的特定單元格設定值
Puneet Dobhal
2023年1月30日
2020年6月9日
-
使用
pandas.dataframe.at方法為 pandas DataFrame 中的特定單元格設定值 -
使用
Dataframe.set_value()方法為 pandas DataFrame 中的特定單元格設定值 -
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。