Pandas中at、iat函数详解

这篇具有很好参考价值的文章主要介绍了Pandas中at、iat函数详解。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

前言

嗨喽,大家好呀~这里是爱看美女的茜茜呐

Pandas中at、iat函数详解,python,pandas,python,pycharm,开发语言

  • at 函数:通过行名和列名来取值(取行名为a, 列名为A的值)

  • iat 函数:通过行号和列号来取值(取第1行,第1列的值)

本文给出at、iat常见的用法,并附上详细代码。


👇 👇 👇 更多精彩机密、教程,尽在下方,赶紧点击了解吧~

python源码、视频教程、插件安装教程、资料我都准备好了,直接在文末名片自取就可


正文

1. 首先创建一个DataFrame(data)

Out[1]: pd.DataFrame(np.arange(15).reshape(5,3), columns=list('ABC'), index=list('abcde'))
Out[1]: 
    A   B   C
a   0   1   2
b   3   4   5
c   6   7   8
d   9  10  11
e  12  13  14

2. 取 data中行名为a,列名为A的值

'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:261823976
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
Out[2]: data.at['a','A']
Out[2]: 0

3. 取 data中第1行,第1列的值(注意,第一行,第一列均从0计数)

'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:261823976
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
In [3]: data.iat[0,0]
Out[3]: 0 

4. 利用at、iat赋值给某行某列

In [4]: data.at['a','A']=666 # 等价于 data.iat[0,0]=666
In [5]: data
Out[5]:
     A   B   C
a  666   1   2
b    3   4   5
c    6   7   8
d    9  10  11
e   12  13  14

尾语

感谢你观看我的文章呐~本次航班到这里就结束啦 🛬

希望本篇文章有对你带来帮助 🎉,有学习到一点知识~

躲起来的星星🍥也在努力发光,你也要努力加油(让我们一起努力叭)。

Pandas中at、iat函数详解,python,pandas,python,pycharm,开发语言

最后,宣传一下呀~👇👇👇更多源码、资料、素材、解答、交流皆点击下方名片获取呀👇👇文章来源地址https://www.toymoban.com/news/detail-706233.html

到了这里,关于Pandas中at、iat函数详解的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 详解Pandas分组函数groupby

    在数据分析时,经常需要将数据分成不同的群组,pandas中的groupby()函数可以完美地完成各种分组操作。 分组是根据DataFrame/Series的某个字段值,将该字段的值相等的行/列分到同一组中,每一个小组是一个新的DataFrame或Series。 groupby()也可以按DataFrame中的多个字段分组,当多个字

    2024年02月02日
    浏览(46)
  • pandas分组与聚合groupby()函数详解

    一、groupby分组与聚合 分组与聚合通常是分析数据的一种方式,通常与一些统计函数一起使用,查看数据的分组情况 DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=_NoDefault.no_default, squeeze=_NoDefault.no_default, observed=False, dropna=True) :使用映射器或按一Serie

    2024年02月14日
    浏览(48)
  • pandas之apply函数简介及用法详解

    ​ Pandas 的 apply() 方法是用来调用一个函数(Python method),让此函数对数据对象进行批量处理。Pandas 的很多对象都可以使用 apply() 来调用函数,如 Dataframe、Series、分组对象、各种时间序列等。 ​ apply() 使用时,通常放入一个 lambda 函数表达式、或一个函数作为操作运算,官方上

    2024年02月03日
    浏览(45)
  • python——pandas用法详解

    目录 一、pandas简介 1.1 pandas来源 1.2 pandas特点 1.3 pandas的两种主要数据结构 二、 pandas数据结构详解 2.1 pandas——series 2.1.1 由字典创建一个series 2.1.2 由ndarray创建Series 2.1.3 由标量创建Series 2.1.4 Series特性 2.1.4.1 类ndarray 2.1.4.2 类dict(字典) 2.1.4.3 向量化操作(广播)和标签对齐 2.1

    2024年02月09日
    浏览(42)
  • Python Pandas to_csv函数

    `pandas` 库中的 `to_csv()` 方法用于将数据保存到 CSV(逗号分隔值)文件中。它是 `DataFrame` 对象的一个方法,可以将数据框中的内容写入到指定的文件中。 使用语法如下 : 其中一些常用参数说明如下: - `path_or_buf`:保存文件的路径或文件对象。如果不指定该参数,则返回一个

    2024年02月04日
    浏览(41)
  • Python之Pandas使用详解

    Pandas 在数据分析当中,我们通常使用 Pandas 来做数据清理的工作。在真实的工作生活中,我们拿到的数据往往都是不整洁的,空值、重复值、无效值等等信息都会干扰我们的分析,此时我们就需要按部就班的完成数据的清理。数据清理是数据分析中非常重要的一步,也是非常

    2024年02月12日
    浏览(39)
  • 【python】Pandas库用法详解!

    pandas 是基于NumPy 的一种工具,该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分

    2024年02月04日
    浏览(38)
  • python中pandas读写数据详解

    Pandas 是一种开源数据分析工具,可以帮助我们更方便地处理和分析数据。Pandas 提供了许多函数来读取各种格式的数据,例如 CSV、Excel、SQL 等。 读取 CSV 文件 CSV 文件是一种常用的数据格式,其中每行表示一条记录,每列表示一个字段。我们可以使用 Pandas 库中的 read_csv 函数

    2024年02月10日
    浏览(37)
  • 【Python】pandas中的std()函数—参数ddof的理解

    在利用pandas进行数据分析时,有时需要计算某一列数据的标准差,我们常用 std() 函数来实现,但是一般都没有关注过里面的一个重要参数 ddof ,本文就来介绍一下这个参数的理解。 ddof参数的取值一般有两个,即 ddof=0 或者 ddof=1 。 当我们的参数取ddof=0时,计算的是总体标准

    2023年04月17日
    浏览(45)
  • Python Pandas中的append方法详解

    本文将详细介绍Python Pandas中的 append 方法,包括其原理、用法、示例(含结果输出)、源码分析和官方链接。 目录 原理 用法 示例(含结果输出) 源码分析 官方链接 原理 append 方法用于在Pandas DataFrame中追加行数据。它将另一个DataFrame、Series或类似字典的对象的数据添加到调

    2024年02月05日
    浏览(37)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包