Pandas 如何使用“.at”属性在Data Frame中访问单个值

pandas DataFrame的“.at”属性用于通过行和列标签访问单个值。该属性接收行和列标签数据，以从给定的DataFrame对象的指定标签位置获取元素。

它将基于行和列标签返回一个单个值，我们还可以在该特定位置上更新一个值。

如果在DataFrame中找不到指定的标签，则“.at”属性将引发一个KeyError。

示例1

在以下示例中，我们使用python字典创建了一个Pandas DataFrame。列名使用字典中的键标记，索引是从0到n-1的自动生成值。

# importing pandas package
import pandas as pd

# create a Pandas DataFrame
df = pd.DataFrame({'A':[1, 2, 3],'B':[7, 8, 6],"C":[5, 6, 2]})

print("DataFrame:")
print(df)

# Access a single value from the DataFrame
result = df.at[0, 'B']
print("Output:",result)

输出

下面是输出结果 –

DataFrame:
   A  B  C
0  1  7  5
1  2  8  6
2  3  6  2

Output: 7

在上面的代码块中，我们可以看到初始化的series对象和at属性的输出。对于以下的行/列对， df.at[0, ‘B’] 返回7。

示例2

现在让我们使用at属性更新DataFrame对象中位置[2, ‘B’]的值为”100″，其中2表示行索引，”B”表示列名。

# importing pandas package
import pandas as pd

# create a Pandas DataFrame
df = pd.DataFrame({'A':[1, 2, 3],'B':[7, 8, 6],"C":[5, 6, 2]})

print("DataFrame:")
print(df)

# by using .at attribute update a value
df.at[2, 'B'] = 100

print("Value 100 updated:")
print(df)

输出

输出如下：

DataFrame:
  A B C
0 1 7 5
1 2 8 6
2 3 6 2

Value 100 updated:
  A   B C
0 1   7 5
1 2   8 6
2 3 100 2

我们已经成功更新了中间列（2，B）的最后一行的值为“100”，我们可以在上面的输出块中看到更新后的DataFrame对象。