获取给定列的第一行值

Question

这似乎是一个非常简单的问题......但我没有看到我期待的简单答案。

那么，如何在 Pandas 中获取给定列的第 n 行的值？ （我对第一行特别感兴趣，但也会对更一般的做法感兴趣）。

例如，假设我想将 Btime 中的 1.2 值作为变量提取。

这样做的正确方法是什么？

>>> 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

Answer 1

要选择ith 行，use iloc：

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

要选择 Btime 列中的第 i 个值，您可以使用：

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

---

df_test['Btime'].iloc[0]（推荐）和df_test.iloc[0]['Btime']有区别：

DataFrames 将数据存储在基于列的块中（其中每个块都有一个 dtype）。如果先按列选择，则可以返回 view（即 比返回副本更快）并保留原始数据类型。相比之下， 如果您首先按行选择，并且 DataFrame 具有不同的列 dtypes，然后 Pandas 将数据复制到一个新的对象 dtype 系列中。所以 选择列比选择行快一点。因此，虽然 df_test.iloc[0]['Btime'] 有效，df_test['Btime'].iloc[0] 有点 更高效。

在分配方面，两者之间存在很大差异。 df_test['Btime'].iloc[0] = x 影响 df_test，但 df_test.iloc[0]['Btime'] 不得。有关原因的解释，请参见下文。因为细微的差别 索引的顺序对行为有很大影响，最好使用单个索引分配：

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

---

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

recommended way 将新值分配给 DataFrame 是到avoid chained indexing，改为使用shown by andrew的方法，

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

或

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

后一种方法要快一些，因为df.loc必须将行和列标签转换为 位置索引，因此如果您使用，则需要较少的转换 df.iloc 代替。

---

df['Btime'].iloc[0] = x 有效，但不推荐：

虽然这可行，但它利用了当前实现 DataFrame 的方式。无法保证 Pandas 将来必须以这种方式工作。特别是，它利用了（当前）df['Btime'] 总是返回一个 查看（不是副本），所以df['Btime'].iloc[n] = x 可用于分配一个新值 在df 的Btime 列的第n 个位置。

由于 Pandas 没有明确保证索引器何时返回视图和副本，因此使用链式索引的赋值通常总是引发 SettingWithCopyWarning，即使在这种情况下赋值成功地修改了 df：

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 不起作用：

相比之下，df.iloc[0]['bar'] = 123 的赋值不起作用，因为df.iloc[0] 正在返回一个副本：

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

---

警告：我之前建议过df_test.ix[i, 'Btime']。但这不能保证给你ith 值，因为ix 在尝试按位置 索引之前尝试按标签 进行索引。因此，如果 DataFrame 有一个从 0 开始的未按排序顺序排列的整数索引，则使用 ix[i] 将返回行 labeled i 而不是 ith 行。例如，

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'

Answer 2

请注意，@unutbu 的答案将是正确的，直到您想将值设置为新的值，如果您的数据框是视图，它将不起作用。

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)

另一种始终适用于设置和获取的方法是：

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

Answer 3

1. df.iloc[0].head(1) - 仅来自整个第一行的第一个数据集。
2. df.iloc[0] - 整列第一行。

Answer 4

一般来说，如果您想从pandas dataframe 的J 列 中提取前N 行，最好的方法是：

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

Answer 5

另一种方法：

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

这种方式似乎比使用.iloc更快：

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)

Answer 6

另一种获取第一行并保留索引的方法：

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

Answer 7

要获取例如来自“测试”列和第 1 行的值，它的工作原理类似于

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

因为只有df[['test']].values[0] 会返回一个数组

Answer 8

要访问单个值，您可以使用 iat 方法，即 much faster 而不是 iloc：

df['Btime'].iat[0]

也可以使用take的方法：

df['Btime'].take(0)

Answer 9

.iat 和.at 是获取和设置单个值的方法，比.iloc 和.loc 快​​得多。 Mykola Zotko 在他们的回答中指出了这一点，但他们没有完全使用.iat。

当我们可以使用.iat 或.at 时，我们应该只需要索引到数据帧一次。

这不是很好：

df['Btime'].iat[0]

这并不理想，因为“Btime”列首先被选为一个系列，然后.iat 被用来索引该系列。

这两个选项是最好的：

1. 使用零索引位置：

   df.iat[0, 4] # 获取第0行第4列的值

2. 使用标签：

   df.at[0, 'Btime'] # 获取索引标签为0，列名为“Btime”的值。

两种方法都返回 1.2 的值。