Панди - Отримайте значення першого рядка даного стовпця

Це здається смішним простим питанням ... але я не бачу легкої відповіді, яку я очікував.

Отже, як я можу отримати значення в n-му рядку даного стовпця в Pandas? (Мене особливо цікавить перший ряд, але я також зацікавився б більш загальною практикою).

Наприклад, скажімо, я хочу вивести значення 1,2 у Btime як змінну.

Який правильний спосіб зробити це?

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

Щоб вибрати ithрядок, використовуйтеiloc :

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

Для вибору i-го значення у Btimeстовпці ви можете використовувати:

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

Існує різниця між df_test['Btime'].iloc[0](рекомендовано) та df_test.iloc[0]['Btime']:

DataFrames зберігає дані в блоках на основі стовпців (де кожен блок має єдиний тип). Якщо ви вибрали спочатку стовпчик, вигляд може бути повернутий (що швидше, ніж повернення копії), і початковий тип зберігається. На противагу цьому, якщо ви вибираєте спочатку рядки та якщо DataFrame містить стовпці різних типів, то Pandas копіює дані у нову серію об'єкта dtype. Тож вибір стовпців трохи швидший, ніж вибір рядків. Таким чином, хоча це df_test.iloc[0]['Btime']працює, df_test['Btime'].iloc[0]трохи ефективніше.

Існує велика різниця між ними, коли мова йде про призначення. df_test['Btime'].iloc[0] = xвпливає df_test, але df_test.iloc[0]['Btime'] не може. Дивіться нижче для пояснення того, чому. Оскільки тонка різниця в порядку індексації робить велику різницю в поведінці, краще використовувати одне призначення індексації:

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

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

Рекомендований спосіб для присвоєння нових значень до DataFrame, щоб уникнути прикутий індексації , і замість цього використовувати метод , показаний на Первозванного ,

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

або

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

Останній метод трохи швидший, тому що df.locдоводиться конвертувати мітки рядків і стовпців в позиційні індекси, тому для перетворення потрібне трохи менше перетворення df.iloc.

df['Btime'].iloc[0] = x працює, але не рекомендується:

Незважаючи на те, що це працює, то , скориставшись способом DataFrames є в даний час реалізовані. Немає гарантій, що Pandas повинен працювати таким чином у майбутньому. Зокрема, користується тим, що (в даний час) df['Btime']завжди повертає вигляд (а не копію), тому df['Btime'].iloc[n] = xможе бути використаний для призначення нового значення в n-му місці Btimeстовпця df.

Оскільки Pandas не дає явних гарантій щодо того, коли індексатори повертають представлення по відношенню до копії, завдання, які використовують ланцюгову індексацію, як правило, завжди викликають SettingWithCopyWarningрівномірність, хоча в цьому випадку призначення вдається змінити 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 працює:

Навпаки, присвоєння функції df.iloc[0]['bar'] = 123не працює, оскільки df.iloc[0]повертає копію:

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

Попередження : я раніше пропонував df_test.ix[i, 'Btime']. Але це не гарантує вам ithзначення, оскільки ixнамагається індексувати за міткою, перш ніж намагатися індексувати за позицією . Отже, якщо DataFrame має цілий індекс, який не відсортований у порядку, починаючи з 0, тоді за допомогою ix[i]повернеться рядок із міткою, i а не ithрядок. Наприклад,

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'

Зауважте, що відповідь від @unutbu буде правильною, поки ви не захочете встановити значення на щось нове, тоді воно не працюватиме, якщо ваш кадр даних буде видом.

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)

Ще один підхід, який послідовно працюватиме як із встановленням, так і з отриманням:

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

Ще один спосіб зробити це:

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

Цей спосіб здається швидшим, ніж використання .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)

1. df.iloc[0].head(1) - Перший набір даних лише з першого першого ряду.
2. df.iloc[0] - Весь перший рядок у стовпці.

Загалом, якщо ви хочете зібрати перші N рядків із стовпця J з pandas dataframeнайкращого способу це:

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

Отримати, наприклад, значення зі стовпця 'test' та рядка 1, воно працює так

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

як тільки df[['test']].values[0]повертає масив

Ще один спосіб отримання першого рядка та збереження індексу:

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