Hoe u de celwaarde kunt ophalen uit pandas dataframe


U kunt de volgende syntaxis gebruiken om een celwaarde op te halen uit een Panda DataFrame:

 #iloc method
df. iloc [0][' column_name ']

#atmethod
df. at [0, ' column_name ']

#values method
df[' column_name ']. values [0]

Houd er rekening mee dat alle drie de methoden dezelfde waarde retourneren.

De volgende voorbeelden laten zien hoe u elk van deze methoden kunt gebruiken met de volgende panda’s DataFrame:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' points ': [25, 12, 15, 14, 19, 23, 25, 29],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]})

#view DataFrame
df

        points assists rebounds
0 25 5 11
1 12 7 8
2 15 7 10
3 14 9 6
4 19 12 6
5 23 9 5
6 25 9 9
7 29 4 12

Methode 1: Haal de celwaarde op met de iloc-functie

De volgende code laat zien hoe u de functie .iloc gebruikt om verschillende celwaarden in het Panda DataFrame te verkrijgen:

 #get value in first row in 'points' column
df. iloc [0][' points ']

25

#get value in second row in 'assists' column
df. iloc [1][' assists ']

7

Methode 2: Haal de celwaarde op met de functie at

De volgende code laat zien hoe u de functie .at gebruikt om verschillende celwaarden in het Panda DataFrame te krijgen:

 #get value in first row in 'points' column
df. at [0, ' points ']

25

#get value in second row in 'assists' column
df. at [1, ' assists ']

7

Methode 3: Haal de celwaarde op met behulp van de waardenfunctie

De volgende code laat zien hoe u de functie .values gebruikt om verschillende celwaarden in het Panda DataFrame te verkrijgen:

 #get value in first row in 'points' column
df[' points ']. values [0] 

25

#get value in second row in 'assists' column
df[' assists ']. values [1] 

7

Houd er rekening mee dat alle drie de methoden dezelfde waarden retourneren.

Aanvullende bronnen

Hoe Pandas-series naar NumPy-array te converteren
Hoe u de eerste rij Pandas DataFrame kunt krijgen
Hoe u de eerste kolom uit Pandas DataFrame kunt halen

Einen Kommentar hinzufügen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert