Pandas - получить значение первой строки для данного столбца

Ответ 1

Чтобы выбрать строку ith, используйте 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

Чтобы выбрать i-е значение в столбце Btime, вы можете использовать:

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

Существует разница между df_test['Btime'].iloc[0] (рекомендуется) и df_test.iloc[0]['Btime']:

DataFrames хранят данные в столбцовых блоках (где каждый блок имеет один DTYPE). Если сначала выбрать по столбцу, можно вернуть представление (которое быстрее, чем возвращать копию), и исходный dtype сохраняется. Напротив, если вы выбираете сначала по строке, и если DataFrame имеет столбцы разных dtypes, затем Pandas копирует данные в новую серию объектов dtype. Так Выбор столбцов немного быстрее, чем выбор строк. Таким образом, хотя df_test.iloc[0]['Btime'] работает, df_test['Btime'].iloc[0] немного более эффективный.

Существует большая разница между ними, когда дело доходит до назначения. df_test['Btime'].iloc[0] = x влияет на df_test, но df_test.iloc[0]['Btime'] может нет. Смотрите ниже для объяснения почему. Потому что тонкая разница в порядок индексации имеет большое значение в поведении, лучше использовать одно назначение индексации:

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

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

рекомендуемый способ назначать новые значения DataFrame должен избегать цепной индексации, а вместо этого использовать метод , показанный андрей,

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

или

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

Последний метод немного быстрее, потому что df.loc должен конвертировать метки строк и столбцов в позиционные индексы, поэтому при использовании требуется немного меньше конверсии df.iloc вместо этого.

df['Btime'].iloc[0] = x работает, но не рекомендуется:

Хотя это работает, оно использует то, как в настоящее время реализованы DataFrames. Нет никаких гарантий, что Pandas будет работать таким образом в будущем. В частности, он использует тот факт, что (в настоящее время) df['Btime'] всегда возвращает просмотр (не копия), поэтому df['Btime'].iloc[n] = x можно использовать для назначения нового значения в n-м месте столбца Btime в df.

Поскольку Pandas не дает явных гарантий о том, когда индексаторы возвращают представление вместо копии, назначения, использующие цепную индексацию, обычно всегда вызывают SettingWithCopyWarning, даже если в этом случае назначение успешно модифицирует 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 работает:

Напротив, назначение с df.iloc[0]['bar'] = 123 не работает, потому что df.iloc[0] возвращает копию:

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

Предупреждение: я ранее предлагал df_test.ix[i, 'Btime']. Но это не гарантирует, что вы получите значение ith, поскольку ix пытается индексировать по метке перед попыткой индексировать по позиции. Таким образом, если DataFrame имеет целочисленный индекс, который не в порядке сортировки, начиная с 0, то использование ix[i] вернет строку, помеченную i, а не строку ith. Например,

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'

Ответ 2

Обратите внимание, что ответ от @unutbu будет правильным до тех пор, пока вы не захотите установить значение в нечто новое, тогда оно не будет работать, если ваш фреймворк представляет собой представление.

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)

Другим подходом, который будет последовательно работать с настройкой и получением, является:

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

Ответ 3

• df.iloc[0].head(1) - Первый набор данных только из всей первой строки.
• df.iloc[0] - целая первая строка в столбце.

Ответ 4

Еще один способ сделать это:

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

Этот способ выглядит быстрее, чем использование .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)

Ответ 5

В общем случае, если вы хотите получить первые N строк из столбца J из pandas dataframe лучший способ сделать это:

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

Ответ 6

Другой способ получить первую строку и сохранить индекс:

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

Ответ 7

Например, чтобы получить значение из столбца 'test' и строки 1, оно работает следующим образом:

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

как только df[['test']].values[0] возвращает массив