获取给定列的第一行值

要选择 ith 一行 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

在 Btime 可以使用的列:

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

两者之间存在差异 df_test['Btime'].iloc[0] (推荐)和 df_test.iloc[0]['Btime'] :

DataFrames将数据存储在基于列的块中(每个块都有一个 dtype)。如果先按列选择 看法 可以返回(即 比返回副本更快),并且保留原始dtype。相反 如果首先按行选择,并且DataFrame具有不同的列 dtypes,然后是Pandas 副本 将数据转换为新的对象数据类型系列。所以 选择列比选择行快一点。因此,尽管 df_测试iloc[0]['Btime'] 作品 df_测试['Btime'].iloc[0] 有一点点 更高效。

当涉及到任务时,两者之间有很大的区别。 df_test['Btime'].iloc[0] = x 影响 df_test 但是 df_测试iloc[0]['Btime'] 可能不会。有关原因的解释,请参见下文。因为 索引的顺序对行为有很大的影响,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):

这个 recommended way 将新值分配给 DataFrame将 avoid chained indexing ,并改用该方法 shown by andrew ,

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

或

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

后一种方法更快,因为 df.loc 必须将行和列标签转换为 位置索引,因此如果使用 df.iloc 相反

df['Btime'].iloc[0] = x 有效,但不建议:

虽然这是有效的,但它利用了DataFrames 目前 实施。不能保证熊猫将来一定会这样做。特别是,它利用了(目前) df['Btime'] 始终返回 查看(不是副本) df['Btime'].iloc[n] = x 可以用于 分配 一个新的值 位于 B时间 第列,共列 df .

由于Pandas没有明确保证索引器何时返回视图而不是副本,因此使用链式索引的赋值通常会引发 SettingWithCopyWarning 即使在这种情况下,赋值成功修改 东风 :

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 不工作:

相反,使用 df.iloc[0]['bar'] = 123 不起作用,因为 df.iloc[0] 正在返回副本:

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 :我以前建议过 df_test.ix[i, 'Btime'] 。但这不能保证给你 第i个 自 ix 尝试按索引 标签 在尝试索引之前 位置 。因此,如果DataFrame有一个整数索引,该索引的排序顺序从0开始,则使用 ix[i] 将返回该行 标记 i 而不是 第i个 一行例如

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'

请注意,在您想将值设置为新值之前,@unaubu的答案将是正确的,如果您的数据帧是一个视图,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)

另一种可以在设置和获取过程中始终有效的方法是:

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

另一种方法是:

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

这种方式似乎比使用 .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) -仅来自整个第一行的第一个数据集。
2. df.iloc[0] -整个列中的第一行。

一般来说,如果你想选择第一个 N行 来自 J柱 从…起 pandas dataframe 最好的方法是:

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

要访问单个值,可以使用以下方法 iat 那就是 much faster 比 iloc :

df['Btime'].iat[0]

您也可以使用该方法 take :

df['Btime'].take(0)

.iat 和 .at 是获取和设置单个值的方法,比 .iloc 和 .loc 。Mykola Zotko在他们的回答中指出了这一点,但他们没有使用 .iat公司 充分发挥其作用。

当我们可以使用 .iat公司 或 在 ,我们应该只需要索引到数据帧一次。

这不太好:

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公司 用于索引到该系列中。

这两个选项是最好的:

1. 使用零索引位置:

   df.iat[0, 4]  # get the value in the zeroth row, and 4th column
   

2. 使用标签:

    df.at[0, 'Btime']  # get the value where the index label is 0 and the column name is "Btime".
   

两种方法都返回值1.2。

例如,要从列“test”和行1中获取值,其工作方式如下

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

仅作为 df[['test']].values[0] 返回一个数组

获取第一行并保留索引的另一种方法:

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

根据 pandas docs , at 是访问标量值(如OP中的用例)的最快方法(已由 Alex 在本页上)。

基于Alex的回答,因为数据帧不一定有范围索引,所以索引可能更完整 df.index (由于数据帧索引构建在numpy数组上,因此可以像数组一样对其进行索引)或调用 get_loc() 以获取列的整数位置。

df.at[df.index[0], 'Btime']
df.iat[0, df.columns.get_loc('Btime')]

一个常见的问题是,如果您使用布尔掩码获取单个值,但最终得到一个带索引的值(实际上是一个系列);例如。:

0    1.2
Name: Btime, dtype: float64

你可以使用 squeeze() 获取标量值,即。

df.loc[df['Btime']<1.3, 'Btime'].squeeze()