使用索引为 pandas DataFrame 中的特定单元格设置值

Question

我创建了一个 Pandas DataFrame

 df = DataFrame(index=['A','B','C'], columns=['x','y'])

并得到了这个

    xy
一个南南
B南南
C南南南

现在，我想为特定单元格分配一个值，例如行 C 和列 x 。我希望得到这个结果：

    xy
一个南南
B南南
C 10 南

使用此代码：

 df.xs('C')['x'] = 10

但是， df 的内容没有改变。数据框再次仅包含 NaN s。

有什么建议么？

原文由 Mitkp 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

RukTech 的答案 df.set_value('C', 'x', 10) 比我在下面建议的选项快得多。但是，它已被 预定弃用。

展望未来， 推荐的方法是 .iat/.at 。

---

为什么 df.xs('C')['x']=10 不起作用：

df.xs('C') 默认情况下，返回一个 带有数据副本 的新数据框，所以

df.xs('C')['x']=10

仅修改此新数据框。

df['x'] 返回 df 数据帧的视图，所以

df['x']['C'] = 10

修改 df 本身。

警告：有时很难预测操作返回的是副本还是视图。出于这个原因， 文档建议避免使用“链式索引”进行分配。

---

所以推荐的替代方案是

df.at['C', 'x'] = 10

它 确实 修改 df 。

---

 In [18]: %timeit df.set_value('C', 'x', 10)
100000 loops, best of 3: 2.9 µs per loop

In [20]: %timeit df['x']['C'] = 10
100000 loops, best of 3: 6.31 µs per loop

In [81]: %timeit df.at['C', 'x'] = 10
100000 loops, best of 3: 9.2 µs per loop

原文由 unutbu 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

更新： .set_value 方法将被 弃用。 .iat/.at 是很好的替代品，不幸的是 pandas 提供的文档很少

---

最快的方法是使用 set_value 。此方法比 .ix 方法快约 100 倍。例如：

df.set_value('C', 'x', 10)

原文由 RukTech 发布，翻译遵循 CC BY-SA 4.0 许可协议