Панды - Получить значение первой строки данного столбца


301

Это кажется нелепо простым вопросом ... но я не вижу простого ответа, которого ожидал.

Итак, как мне получить значение в n-й строке данного столбца в Pandas? (Я особенно заинтересован в первом ряду, но также был бы заинтересован в более общей практике).

Например, скажем, я хочу получить значение 1.2 в Btime в качестве переменной.

Какой правильный способ сделать это?

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

7
Если вы просто хотите, чтобы первый ряд df_test.head(1)работал, то более общая форма - использовать, ilocкак отвечает unutbu
EdChum

1
Вы хотите только ценность 1.2? или Ряд длины 1, который вы получите df_test.head(1), который также будет содержать индекс? Чтобы получить только значение сделать df_test.head(1).item(), или tolist()затем нарезать.
SMCI

Ответы:


473

Чтобы выбрать ithстроку, используйтеiloc :

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

Чтобы выбрать i-е значение в Btimeстолбце, вы можете использовать:

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

Существует разница между df_test['Btime'].iloc[0](рекомендуется) и df_test.iloc[0]['Btime']:

Фреймы данных хранят данные в блоках на основе столбцов (где каждый блок имеет один тип d). Если сначала выбрать по столбцу, представление может быть возвращено (что быстрее, чем вернуть копию), и исходный тип d будет сохранен. Напротив, если вы выбираете сначала по строке и если DataFrame имеет столбцы с разными dtypes, то Pandas копирует данные в новую серию объектов dtype. Таким образом, выбор столбцов немного быстрее, чем выбор строк. Таким образом, хотя df_test.iloc[0]['Btime']работает, df_test['Btime'].iloc[0]это немного более эффективно.

Существует большая разница между ними, когда дело доходит до назначения. df_test['Btime'].iloc[0] = xвлияет df_test, но df_test.iloc[0]['Btime'] не может. Смотрите ниже для объяснения почему. Поскольку незначительная разница в порядке индексации имеет большое значение в поведении, лучше использовать одно назначение индексации:

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

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

Рекомендуемый способ для присвоения новых значений к DataFrame, чтобы избежать прикован индексации , и вместо этого использовать метод , показанный на Первозванного ,

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

или

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

Последний метод немного быстрее, потому что df.locон должен конвертировать метки строк и столбцов в позиционные индексы, поэтому при использовании df.ilocвместо этого требуется чуть меньше преобразования .


df['Btime'].iloc[0] = x работает, но не рекомендуется:

Несмотря на то, что это работает, то , воспользовавшись способом DataFrames являются в настоящее время реализованы. Нет никаких гарантий, что Панды должны работать таким образом в будущем. В частности, он использует тот факт, что (в настоящее время) df['Btime']всегда возвращает представление (а не копию), поэтому df['Btime'].iloc[n] = xего можно использовать для назначения нового значения в n-м месте Btimeстолбца df.

Поскольку Pandas не дает явных гарантий относительно того, когда индексаторы возвращают представление вместо копии, присваивания, которые используют цепную индексацию, обычно всегда повышают значение, SettingWithCopyWarningдаже если в этом случае присваивание успешно изменяется 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 не работает:

Напротив, назначение с df.iloc[0]['bar'] = 123не работает, потому что df.iloc[0]возвращает копию:

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

Предупреждение : я ранее предлагал df_test.ix[i, 'Btime']. Но это не гарантирует, что вы получите ithзначение, поскольку пытаетесь ixпроиндексировать по метке, прежде чем пытаться проиндексировать по позиции . Таким образом, если DataFrame имеет целочисленный индекс, который находится не в отсортированном порядке, начиная с 0, тогда при использовании ix[i]будет возвращена строка с меткой, i а не ithстрока. Например,

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'

1
@CristianCiupitu: DataFrames хранят данные в основанных на столбцах блоках (где каждый блок имеет один dtype). Если вы выбираете сначала по столбцу, представление может быть возвращено (что быстрее, чем возвращать копию), и оригинальный dtype сохраняется. Напротив, если вы выбираете сначала по строке и если DataFrame имеет столбцы с разными dtypes, то Pandas копирует данные в новую серию объектов dtype. Таким образом, выбор столбцов немного быстрее, чем выбор строк. Таким образом, хотя df_test.iloc[0]['Btime']работает, df_test.iloc['Btime'][0]это немного более эффективно.
19

@unutbu, df['Btime'].iloc[0]предпочтительнее df['Btime'].values[0]? из документации видно, что в ней написано «Предупреждение: мы рекомендуем использовать Series.array или Series.to_numpy (), в зависимости от того, нужна ли вам ссылка на базовые данные или массив NumPy». но я не знаю точно , что это значит
aydow

28

Обратите внимание, что ответ от @unutbu будет правильным, пока вы не захотите установить значение на что-то новое, тогда он не будет работать, если ваш фрейм данных является представлением.

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)

Другой подход, который будет последовательно работать как с установкой, так и с получением:

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

1
Я перебираю кучу файлов .csv и читаю первое значение определенного столбца в каждом. По какой-то причине, которую я не могу объяснить, вместо того, чтобы возвращать значение, это иногда возвращает индекс вместе со значением, которое портит обработку. Я прибег к df.col.unique () [0].
Воробей

15

Еще один способ сделать это:

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

Этот способ кажется более быстрым, чем использование .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)

12
  1. df.iloc[0].head(1) - Первый набор данных только из всего первого ряда.
  2. df.iloc[0] - Весь первый ряд в столбце.

8

В общем случае, если вы хотите , чтобы забрать первые N строки из столбца J из pandas dataframeлучшего способа сделать это:

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

2
@anis: Для этого вам лучше было бы написать новый вопрос, спрашивая более общее решение и отвечая на него самостоятельно, я полагаю.
jonathan.scholbach

3

Например, чтобы получить значение из столбца 'test' и строки 1, оно работает следующим образом

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

как только df[['test']].values[0]возвращает массив


1

Еще один способ получить первую строку и сохранить индекс:

x = df.first('d') # Returns the first day. '3d' gives first three days.
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.