获取给定列的第一行值

Question

这似乎是一个可笑的简单问题。。。但我没有看到我期待的简单答案。

那么，我如何在Pandas中获得给定列的第n行的值呢？（我对第一排特别感兴趣，但对更普遍的做法也感兴趣）。

例如，假设我想将Btime中的1.2值作为变量。

做这件事的正确方法是什么？

>>> 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

另一种方法是：

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

这种方法似乎比使用.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 2

请注意，@unutbu的答案将是正确的，直到您想要将该值设置为新值为止，如果您的数据帧是视图，那么它将不起作用。

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)

另一种将始终与设置和获取工作的方法是：

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

要选择第i行的，请使用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

要在Btime列中选择第i个值，可以使用：

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

DataFrames将数据存储在基于列的块中（其中每个块具有单个dtype）。如果先按列选择，则可以返回视图（这比返回副本更快），并保留原始dtype。相反，如果先按行选择，并且DataFrame具有不同dtype的列，则Pandas将数据复制到新的Series of对象dtype中。所以选择列比选择行要快一点。因此，尽管df_test.iloc[0]['Btime']有效，但df_test['Btime']. iloc[0]的效率更高。

在作业方面，两者有很大的区别<代码>测向测试['Btime']。iloc[0]=x影响测向测试，但测向测试。iloc[0]['Btime']可能不会。有关原因的解释，请参见下文。由于索引顺序上的细微差异会导致行为上的巨大差异，因此最好使用单个索引分配：

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

为数据帧分配新值的推荐方法是避免链式索引，而是使用andrew所示的方法，

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

或者

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

后一种方法稍微快一点，因为df.loc必须将行和列标签转换为位置索引，所以如果使用df.iloc，需要的转换就少一点。

尽管这是可行的，但它利用了当前实现数据帧的方式。不能保证熊猫将来必须这样工作。特别是，它利用了这样一个事实，即（目前）df['Btime']总是返回一个视图（而不是副本），因此df['Btime']. iloc[n]=x可以用于在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而不是副本，所以使用链式索引的赋值通常总是会引发一个SettingAnd CopyWarning，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

相反，赋值与df.iloc[0]['bar']=123不工作，因为df.iloc[0]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df_test.ix[i，'Btime']。但是这并不能保证给你ith值，因为ix在尝试按位置索引之前尝试按标签索引。因此，如果DataFrame有一个整数索引，它从0开始不是按排序顺序排列的，那么使用ix[i]将返回标记为i的行，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'