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(23)
  • pandas分组与聚合groupby()函数详解

    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(9)
  • pandas之apply函数简介及用法详解

    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(10)
  • python——pandas用法详解

    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(12)
  • 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(12)
  • 【python】Pandas库用法详解!

    【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(14)
  • Python之Pandas使用详解

    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(13)
  • 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(10)
  • 【Python】pandas中的std()函数—参数ddof的理解

    【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(13)
  • 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(11)

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