如何使用索引为 Pandas DataFrame 中的特定单元格设置值
Puneet Dobhal
2023年1月30日
2020年6月9日
-
使用
pandas.dataframe.at方法为 pandas DataFrame 中的特定单元格设置值 -
使用
Dataframe.set_value()方法为 pandas DataFrame 中的特定单元格设置值 -
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。