📅  最后修改于: 2023-12-03 14:52:28.108000             🧑  作者: Mango
Pandas 是一种强大的 Python 数据处理库,它提供了 DataFrame 数据结构,可以用于数据记录、处理和分析。在数据处理过程中,我们经常需要设置 Pandas DataFrame 中特定单元格的值。
下面介绍几种方法可以在 Pandas DataFrame 中设置单元格值。
.at[]
方法使用.at[]
方法可以快速地访问 Pandas DataFrame 中的单个元素,并设置其值。
import pandas as pd
# 创建一个简单的 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
# 用 .at[] 方法将单个元素设置为新值
df.at[0, 'B'] = 10
print(df)
输出结果为:
A B C
0 1 10 7
1 2 5 8
2 3 6 9
.loc[]
方法使用.loc[]
方法可以访问 Pandas DataFrame 中的一行或多行,并设置它们的值。
import pandas as pd
# 创建一个简单的 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
# 用 .loc[] 方法将多个元素设置为新值
df.loc[1:2, 'B':'C'] = 0
print(df)
输出结果为:
A B C
0 1 4 7
1 2 0 0
2 3 0 0
.iloc[]
方法使用.iloc[]
方法可以通过整数索引访问 Pandas DataFrame 中的一行或多行,并设置它们的值。
import pandas as pd
# 创建一个简单的 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
# 用 .iloc[] 方法将多个元素设置为新值
df.iloc[0, 1] = 10
df.iloc[1:, 1:] = 0
print(df)
输出结果为:
A B C
0 1 10 7
1 2 0 0
2 3 0 0
以上是在 Pandas DataFrame 中设置单元格值的几种方法,具体使用哪种方法可以根据自己的需求和使用场景选择。
注意: 在设置单元格值时,应注意避免修改原 DataFrame 对象。可以使用复制(copy()
)方法在新的 DataFrame 对象上操作。