熊猫-获取给定列的第一行值

这似乎是一个非常简单的问题……但是我没有看到我期望的简单答案。

那么，如何获得Pandas中给定列的第n行的值？（我对第一行特别感兴趣，但也对更通用的做法感兴趣）。

例如，假设我想将Btime中的1.2值作为变量。

什么是正确的方法？

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

要选择该ith行，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

df_test['Btime'].iloc[0]（推荐）和之间有区别df_test.iloc[0]['Btime']：

DataFrames将数据存储在基于列的块中（每个块具有一个dtype）。如果先按列选择，则可以返回视图（比返回副本要快），并且保留原始dtype。相反，如果首先选择按行，并且DataFrame的列具有不同的dtype，则Pandas 将数据复制到新的Object dtype 系列中。因此，选择列比选择行要快一些。因此，虽然 df_test.iloc[0]['Btime']作品，df_test['Btime'].iloc[0]是多一点点效率。

在分配方面，两者之间存在很大差异。 df_test['Btime'].iloc[0] = x影响df_test，但df_test.iloc[0]['Btime'] 可能不会。有关原因的说明，请参见下文。由于索引顺序的细微差别会在行为上产生很大差异，因此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 （推荐的）：

为DataFrame分配新值的推荐方法是避免链接索引，而应使用andrew所示的方法，

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

要么

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

后一种方法要快一些，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替代方法，则转换的必要性要少一些 。

df['Btime'].iloc[0] = x 可行，但不建议：

尽管这可行，但是它利用了当前实现DataFrames的方式。不能保证熊猫将来会以这种方式工作。特别是，它利用了以下事实：（当前）df['Btime']始终返回视图（而不是副本），因此df['Btime'].iloc[n] = x可用于在的列的第n个位置分配新值。Btimedf

由于Pandas无法明确保证索引器何时返回视图还是副本，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，赋值可以成功修改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 不起作用：

相比之下，with的分配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：我之前曾建议过df_test.ix[i, 'Btime']。但这不能保证为您提供ith值，因为在尝试按位置索引之前先尝试ix按标签索引。因此，如果DataFrame的整数索引不是从0开始的排序顺序，则using 将返回标有标签的行，而不是该行。例如，ix[i] iith

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，@ unutbu的答案是正确的，直到您想将值设置为新值，否则如果您的数据框是视图，则该答案将不起作用。

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)

可以同时在设置和获取上使用的另一种方法是：

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更快.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) -仅从整个第一行开始的第一个数据集。
2. df.iloc[0] -整个列的第一行。

通常，如果您想从J列中获取前N行，最好的方法是：pandas dataframe

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

为了从列“ test”和第1行获取例如值，它的工作原理如下

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

因为只df[['test']].values[0]给一个数组

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.