您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

如何给Python里DataFrame对象中的元素赋值？

索引,元素,根据如何给Python里DataFrame对象中的元素赋值？

发布时间：2019-02-08加入收藏来源：互联网点击：

如何给Python里DataFrame对象中的元素赋值？

回答于 2019-09-11 08:43:50

回答于 2019-09-11 08:43:50

有一款产品叫燕云DAAS可以解决，燕云DAAS只需要提供系统地址和账号密码可以动态生成API数据接口实现数据的交互。非侵入式数据采集。政务方面应用很广泛的




回答于 2019-09-11 08:43:50

1. 根据列名选择

>>> df['A']

选择df中名称为'A'的列，该操作产生一个Series，等同于df.A。

2. 根据行号选择

>>> df[0 : 3]

选择df中第0到第2行，该操作产生一个DataFrame。

3. 根据索引选择

>>> df['20130102' : '20130104']

选择索引为'20130102'、'20130103'、'20130104'的行，这些索引对应的类型是DatetimeIndex。

4. 根据索引、列名共同选择

一个索引的情况

>>> df.loc[index]

>>> df.loc[index, 'A']

>>> df.at[index, 'A'] # 比df.loc[index, 'A']更快

>>> df.loc[index, ['A', 'B']]

多个索引的情况

>>> df.loc[index1 : index2] # index1和index2的类型要与df的索引类型一致。

>>> df.loc[index1 : index2, 'A']

>>> df.loc[index1 : index2, ['A'，'B']]

5. 根据位置选择

选择某一行

>>> df.iloc[1] # 选择第1行，注：df从第0行开始编号

选择某一列

>>> df.iloc[:, 1] # 选择第1列，注：df从第0列开始编号

选择某行、某列的那个元素

>>> df.iloc[1, 1] # 选择第1行第1列的那个元素

>>> df.iat[1, 1] # 同上，但速度更快

选择某些行、某些列

>>> df.iloc[3:5, 0:2]

>>> df.iloc[[1,2,4], [0, 2]]

>>> df.iloc[1:3, :]

>>> df.iloc[:, 1:3]

6. 根据条件选择

>>> df[df.A > 0] # 返回df中'A'列大于0的行

>>> df[df > 0] # 返回一个与df相同大小的df2，保留原df中大于0的元素，并将原df中小于等于0的元素置为NaN

赋值

>>> df['A'] = s1 # s1是一个Series

>>> df.at[index, ‘A’] = 0

>>> df.iat[0, 1] = 0

>>> df.loc[:, 'A'] = np.array([5] * len(df))

>>> df[df > 0] = df2 # 将df中大于0的元素置为df2中对应的元素

———————————————— 河南新华

回答于 2019-09-11 08:43:50

首先非常感谢在这里能为你解答这个问题，让我带领你们一起走进这个问题，现在让我们一起探讨一下。

1. 根据列名选择：>>> df['A']

选择df中名称为'A'的列，该操作产生一个Series，等同于df.A。

2. 根据行号选择：>>> df[0 : 3]

选择df中第0到第2行，该操作产生一个DataFrame。

3. 根据索引选择：>>> df['20130102' : '20130104']

选择索引为'20130102'、'20130103'、'20130104'的行，这些索引对应的类型是DatetimeIndex。

4. 根据索引、列名共同选择

一个索引的情况

多个索引的情况

>>> df.loc[index1 : index2] # index1和index2的类型要与df的索引类型一致。>>> df.loc[index1 : index2, 'A']>>> df.loc[index1 : index2, ['A'，'B']]

5. 根据位置选择

选择某一行

>>> df.iloc[1] # 选择第1行，注：df从第0行开始编号

选择某一列

>>> df.iloc[:, 1] # 选择第1列，注：df从第0列开始编号

选择某行、某列的那个元素

>>> df.iloc[1, 1] # 选择第1行第1列的那个元素

>>> df.iat[1, 1] # 同上，但速度更快

选择某些行、某些列

>>> df.iloc[3:5, 0:2]

>>> df.iloc[[1,2,4], [0, 2]]

>>> df.iloc[1:3, :]

>>> df.iloc[:, 1:3]

6. 根据条件选择

>>> df[df.A > 0] # 返回df中'A'列大于0的行

>>> df[df > 0] # 返回一个与df相同大小的df2，保留原df中大于0的元素，并将原df中小于等于0的元素置为NaN

赋值

>>> df['A'] = s1 # s1是一个Series

>>> df.at[index, ‘A’] = 0

>>> df.iat[0, 1] = 0

>>> df.loc[:, 'A'] = np.array([5] * len(df))

>>> df[df > 0] = df2 # 将df中大于0的元素置为df2中对应的元素

在以上的分享关于这个问题的解答都是个人的意见与建议，我希望我分享的这个问题的解答能够帮助到大家。

在这里同时也希望大家能够喜欢我的分享，大家如果有更好的关于这个问题的解答，还望分享评论出来共同讨论这话题。

我最后在这里，祝大家每天开开心心工作快快乐乐生活，健康生活每一天，家和万事兴，年年发大财，生意兴隆，谢谢！