Python?Pandas如何獲取和修改任意位置的值（at,iat,loc,iloc）

更新時(shí)間：2022年01月06日 15:49:21 作者：餃子大人

在我們對(duì)數(shù)據(jù)進(jìn)行選擇之后,需要對(duì)特定的數(shù)據(jù)進(jìn)行設(shè)置更改,設(shè)置,下面這篇文章主要給大家介紹了關(guān)于Python?Pandas如何獲取和修改任意位置的值（at,iat,loc,iloc）的相關(guān)資料,文中通過(guò)實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下

前言

要在pandas.DataFrame中的任何位置檢索或更改數(shù)據(jù)，可以使用at，iat，loc，iloc。

位置的指定方法
- at，loc：行標(biāo)簽（行名），列標(biāo)簽（列名）
- iat，iloc：行號(hào)，列號(hào)
選擇和獲取/更改的數(shù)據(jù)
- at，iat：?jiǎn)蝹€(gè)元素的值
- loc，iloc：?jiǎn)蝹€(gè)元素和多個(gè)元素值
  - 選擇的行/列的獲取和修改
  - 列表和切片的范圍指定
其他
- at和iat的處理速度比loc和iloc更快
- 如果要通過(guò)組合標(biāo)簽和數(shù)字來(lái)指定位置，請(qǐng)?jiān)趇ndex或column處或loc處組合（末尾說(shuō)明）

在此將描述以下內(nèi)容。

at，iat：選擇，獲取和更改單個(gè)元素的值
loc，iloc：選擇，獲取和更改單個(gè)和多個(gè)元素的值
- 選擇單個(gè)元素的值
- 選擇多個(gè)元素值
- 選擇行/列
當(dāng)行名和列名具有重復(fù)值時(shí)
通過(guò)數(shù)字和標(biāo)簽指定位置
在pandas.Series中選擇行時(shí)的隱式類型轉(zhuǎn)換

還可以使用直接索引df []選擇/獲取pandas.DataFrame的行/列和pandas.Series的元素值。

在此示例代碼中，將以下csv數(shù)據(jù)與read_csv結(jié)合使用。

age state point
name
Alice 24 NY 64
Bob 42 CA 92
Charlie 18 CA 70
Dave 68 TX 70
Ellen 24 CA 88
Frank 30 NY 57

第一列設(shè)置為參數(shù)index_col中的index。

import pandas as pd

df = pd.read_csv('./data/04/sample_pandas_normal.csv', index_col=0)
print(df)
#          age state  point
# name
# Alice     24    NY     64
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# Ellen     24    CA     88
# Frank     30    NY     57

行標(biāo)簽（索引）和列標(biāo)簽（列）的值如下。

print(df.index.values)
# ['Alice' 'Bob' 'Charlie' 'Dave' 'Ellen' 'Frank']

print(df.columns.values)
# ['age' 'state' 'point']

at，iat：選擇，獲取和更改單個(gè)元素的值

at通過(guò)行標(biāo)簽和列標(biāo)簽指定位置。除了獲取數(shù)據(jù)之外，還可以在該位置設(shè)置（替換）新值。

print(df.at['Bob', 'age'])
print(df.at['Dave', 'state'])
# 42
# TX

df.at['Bob', 'age'] = 60
print(df.at['Bob', 'age'])
# 60

iat通過(guò)行號(hào)和列號(hào)指定位置。行號(hào)和列號(hào)以0開(kāi)頭。

iat和at一樣，iat不僅可以獲取數(shù)據(jù)，而且可以在該位置設(shè)置（替代）新值。

print(df.iat[1, 0])
print(df.iat[3, 1])
# 60
# TX

df.iat[1, 0] = 42
print(df.iat[1, 0])
# 42

loc，iloc：選擇，獲取和更改單個(gè)和多個(gè)元素的值

loc和iloc通過(guò)指定范圍不僅可以選擇單個(gè)值，還可以選擇多個(gè)數(shù)據(jù)。

loc通過(guò)行和列標(biāo)簽指定位置，而iloc通過(guò)行和列編號(hào)指定位置。

選擇單個(gè)元素的值

訪問(wèn)單個(gè)值時(shí)，它與at和iat相同。但at和iat的處理速度更快。

print(df.loc['Bob', 'age'])
print(df.iloc[3, 1])
# 42
# TX

除了查看數(shù)據(jù)外，還可以在該位置設(shè)置（替換）新值。

df.loc['Bob', 'age'] = 60
print(df.loc['Bob', 'age'])
# 60

df.iloc[1, 0] = 42
print(df.iloc[1, 0])
# 42

選擇多個(gè)元素值

要訪問(wèn)多個(gè)值，在列表[x，y]或切片[start:stop:step]中指定數(shù)據(jù)的范圍和位置。引用的值將是pandas.Series或pandas.DataFrame。

切片的寫(xiě)入方式與普通切片相同。step可以省略。

print(df.loc['Bob':'Dave', 'age'])
print(type(df.loc['Bob':'Dave', 'age']))
# name
# Bob        42
# Charlie    18
# Dave       68
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

print(df.loc[:'Dave', ['age', 'point']])
print(type(df.loc[:'Dave', 'age':'point']))
#          age  point
# name               
# Alice     24     64
# Bob       42     92
# Charlie   18     70
# Dave      68     70
# <class 'pandas.core.frame.DataFrame'>

print(df.iloc[:3, [0, 2]])
print(type(df.iloc[:3, [0, 2]]))
#          age  point
# name               
# Alice     24     64
# Bob       42     92
# Charlie   18     70
# <class 'pandas.core.frame.DataFrame'>

如果指定了step，則可以提取并獲取奇數(shù)或偶數(shù)行。

print(df.iloc[::2, 0])
print(type(df.iloc[::2, 0]))
# name
# Alice      24
# Charlie    18
# Ellen      24
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

print(df.iloc[1::2, 0])
print(type(df.iloc[1::2, 0]))
# name
# Bob      42
# Dave     68
# Frank    30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

可以一次更改多個(gè)值。

print(df.loc['Bob':'Dave', 'age'])
# name
# Bob        20
# Charlie    30
# Dave       40
# Name: age, dtype: int64

選擇行/列

若要選擇行或列，可以使用直接索引引用df []，但只能在以下指定方法中使用。

行選擇：行名和行號(hào)的切片
列選擇：列名稱或列名稱列表

print(df['Bob':'Ellen'])
#          age state  point
# name                     
# Bob       20    CA     92
# Charlie   30    CA     70
# Dave      40    TX     70
# Ellen     24    CA     88

print(df[:3])
#          age state  point
# name                     
# Alice     24    NY     64
# Bob       20    CA     92
# Charlie   30    CA     70

print(df['age'])
# name
# Alice      24
# Bob        20
# Charlie    30
# Dave       40
# Ellen      24
# Frank      30
# Name: age, dtype: int64

print(df[['age', 'point']])
#          age  point
# name               
# Alice     24     64
# Bob       20     92
# Charlie   30     70
# Dave      40     70
# Ellen     24     88
# Frank     30     57

當(dāng)使用loc和iloc選擇行或列時(shí)，可以比索引參考df []更靈活地指定它。

在loc和iloc中省略該列，則它將是行引用?？梢赃x擇無(wú)法通過(guò)索引引用完成的單行，也可以選擇列表中的多行。

print(df.loc['Bob'])
print(type(df.loc['Bob']))
# age      20
# state    CA
# point    92
# Name: Bob, dtype: object
# <class 'pandas.core.series.Series'>

print(df.iloc[[1, 4]])
print(type(df.iloc[[1, 4]]))
#        age state  point
# name                   
# Bob     20    CA     92
# Ellen   24    CA     88
# <class 'pandas.core.frame.DataFrame'>

可以通過(guò)將行規(guī)范設(shè)置為loc和iloc中的（整個(gè)切片）來(lái)引用列?？梢允褂盟饕脽o(wú)法完成的切片。也可以在iloc中使用列號(hào)。

print(df.loc[:, 'age':'point'])
print(type(df.loc[:, 'age':'point']))
#          age state  point
# name                     
# Alice     24    NY     64
# Bob       20    CA     92
# Charlie   30    CA     70
# Dave      40    TX     70
# Ellen     24    CA     88
# Frank     30    NY     57
# <class 'pandas.core.frame.DataFrame'>

print(df.iloc[:, [0, 2]])
print(type(df.iloc[:, [0, 2]]))
#          age  point
# name               
# Alice     24     64
# Bob       20     92
# Charlie   30     70
# Dave      40     70
# Ellen     24     88
# Frank     30     57
# <class 'pandas.core.frame.DataFrame'>

當(dāng)行名和列名具有重復(fù)值時(shí)

具有重復(fù)值的行和列也可以在index和columns中指定。

例，其中將具有重復(fù)值的列指定為index。

df_state = pd.read_csv('data/src/sample_pandas_normal.csv', index_col=2)
print(df_state)
#           name  age  point
# state                     
# NY       Alice   24     64
# CA         Bob   42     92
# CA     Charlie   18     70
# TX        Dave   68     70
# CA       Ellen   24     88
# NY       Frank   30     57

print(df_state.index.values)
# ['NY' 'CA' 'CA' 'TX' 'CA' 'NY']

如果在中指定重復(fù)的列名，則numpy.ndarray中將返回多個(gè)值。

print(df_state.at['NY', 'age'])
print(type(df_state.at['NY', 'age']))
# [24 30]
# <class 'numpy.ndarray'>

如果在loc中指定重復(fù)的列名，則它將在pandas.DataFrame或pandas.Series中返回。

print(df_state.loc['NY', 'age'])
print(type(df_state.loc['NY', 'age']))
# state
# NY    24
# NY    30
# Name: age, dtype: int64
# <class 'pandas.core.series.Series'>

print(df_state.loc['NY', ['age', 'point']])
print(type(df_state.loc['NY', ['age', 'point']]))
#        age  point
# state            
# NY      24     64
# NY      30     57
# <class 'pandas.core.frame.DataFrame'>

在iat或iloc中指定列號(hào)時(shí)，即使值重復(fù)也沒(méi)有關(guān)系。

print(df_state.iat[0, 1])
# 24

可以使用index.is_unique和column.is_unique檢查列標(biāo)簽和行標(biāo)簽是否具有唯一值（不重復(fù)）。

print(df_state.index.is_unique)
# False

print(df_state.columns.is_unique)
# True

通過(guò)數(shù)字和標(biāo)簽指定位置

如果要使用數(shù)字和標(biāo)簽（例如行號(hào)和列標(biāo)簽）的組合指定位置，則可以在at或loc處使用索引或列?？梢园此饕蛄袕男刑?hào)或列號(hào)中獲取行標(biāo)簽和列標(biāo)簽。

print(df)
#          age state  point
# name                     
# Alice     24    NY     64
# Bob       20    CA     92
# Charlie   30    CA     70
# Dave      40    TX     70
# Ellen     24    CA     88
# Frank     30    NY     57

print(df.index[2])
# Charlie

print(df.columns[1])
# state

使用at或loc，可以通過(guò)數(shù)字和標(biāo)簽的組合來(lái)指定位置。

print(df.at[df.index[2], 'age'])
# 30

print(df.loc[['Alice', 'Dave'], df.columns[1]])
# name
# Alice    NY
# Dave     TX
# Name: state, dtype: object

在使用slice start：stop：step進(jìn)行指定時(shí)，如果loc使用行標(biāo)簽/列標(biāo)簽，則直到停止為止，但如果iloc使用行號(hào)/列編號(hào)，則將直到停止前成為請(qǐng)注意，如果要將stop的值從數(shù)字轉(zhuǎn)換為標(biāo)簽，則需要執(zhí)行類似索引[n-1]的操作。

另外，如下所述，當(dāng)選擇一行時(shí)，可以執(zhí)行隱式類型轉(zhuǎn)換。最好使用上面顯示的索引和列將它們組合為at或loc。

print(df['age'][2])
# 30

print(df.age[2])
# 30

print(df.loc[['Alice', 'Dave']].iloc[:, 1])
# name
# Alice    NY
# Dave     TX
# Name: state, dtype: object

在pandas.Series中選擇行時(shí)的隱式類型轉(zhuǎn)換

當(dāng)loc或iloc中的pandas.Series選擇并獲取一行時(shí)，數(shù)據(jù)類型dtype是統(tǒng)一的，因此，如果原始pandas.DataFrame的每一列的數(shù)據(jù)類型不同，則會(huì)執(zhí)行隱式類型轉(zhuǎn)換。

以pandas.DataFrame為例，其中有一列整數(shù)int和一列浮點(diǎn)數(shù)。

df_mix = pd.DataFrame({'col_int': [0, 1, 2], 'col_float': [0.1, 0.2, 0.3]}, index=['A', 'B', 'C'])
print(df_mix)
#    col_int  col_float
# A        0        0.1
# B        1        0.2
# C        2        0.3

print(df_mix.dtypes)
# col_int        int64
# col_float    float64
# dtype: object

使用loc或iloc提取一行將導(dǎo)致float pandas.Series。 int列中的元素將轉(zhuǎn)換為float。

print(df_mix.loc['B'])
# col_int      1.0
# col_float    0.2
# Name: B, dtype: float64

print(type(df_mix.loc['B']))
# <class 'pandas.core.series.Series'>

如果按如下所示編寫(xiě)[]，則將pandas.Series元素轉(zhuǎn)換為float。請(qǐng)注意，元素的值將以與原始類型不同的類型獲得。

print(df_mix.loc['B']['col_int'])
# 1.0

print(type(df_mix.loc['B']['col_int']))
# <class 'numpy.float64'>

如上所述，最好使用at和iat而不是重復(fù)編寫(xiě)[]，loc和iloc。如果是at或iat，則可以獲取原始類型的元素。

print(df_mix.at['B', 'col_int'])
# 1

print(type(df_mix.at['B', 'col_int']))
# <class 'numpy.int64'>

如果在loc或iloc中指定一個(gè)包含1個(gè)元素的列表，它將是一行的pandas.DataFrame而不是pandas.Series。當(dāng)然，在這種情況下，將保留原始數(shù)據(jù)類型dtype。

print(df_mix.loc[['B']])
#    col_int  col_float
# B        1        0.2

print(type(df_mix.loc[['B']]))
# <class 'pandas.core.frame.DataFrame'>

print(df_mix.loc[['B']].dtypes)
# col_int        int64
# col_float    float64
# dtype: object

總結(jié)

到此這篇關(guān)于Python Pandas如何獲取和修改任意位置的值（at,iat,loc,iloc）的文章就介紹到這了,更多相關(guān)Pandas獲取修改任意位置的值內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: