详解pandas获取Dataframe元素值的几种方法

可以通过遍历的方法： pandas按行按列遍历Dataframe的几种方式：https://www.jb51.net/article/172623.htm 选择列 使用类字典属性,返回的是Series类型 data[‘w’] 遍历Series for index in data['w'] .index: time_dis = data['w'] .get(index) pandas.DataFrame.at 根据行索引和列名，获取一个元素的值 >>> df = pd.DataFrame([[0, 2, 3], [0, 4, 1], [10, 20, 30]], ... 在Python的数据分析库pandas中，DataFrame是一种二维表格型数据结构，它包含了行索引和列标签，可以存储各种类型的数据。获取DataFrame中的元素值是数据分析中常见的操作，本篇文章将详细讲解几种常用的方法。 我们可以使用DataFrame的类字典属性来选择列。例如，`data['w']`会返回一个Series，该Series包含`'w'`列的所有数据。如果你想要遍历这个Series，可以使用`for`循环结合`.index`属性，如下所示： ```python for index in data['w'].index: time_dis = data['w'].get(index) ``` 这里的`get(index)`方法用于获取指定索引处的值，如果索引不存在，它会返回None或抛出异常，具体取决于设置的默认行为。 另一个获取单个元素的方法是`DataFrame.at`。它通过行索引和列名来获取值。例如： ```python df = pd.DataFrame([[0, 2, 3], [0, 4, 1], [10, 20, 30]], columns=['A', 'B', 'C']) df.at[4, 'B'] # 如果4是行索引，这将返回2 ``` 这里要注意，`at`方法要求精确匹配行索引和列名。 此外，还有`DataFrame.iat`，它根据行索引和列索引（从0开始的整数）来获取值，效率较高，但不进行任何错误检查： ```python df.iat[1, 2] # 如果1是行索引，2是列索引，这将返回1 ``` `DataFrame.loc`是另一种常用的访问方式，它基于标签进行选择。你可以通过行标签和列标签来选取元素、行或列： ```python df.loc['cobra', 'shield'] # 选取行'cobra'，列'shield'的元素，返回2 df.loc['viper'] # 选取行'viper'，返回一个Series df.loc[['viper', 'sidewinder']] # 选取行'viper'和'sidewinder'，返回一个新的DataFrame ``` `DataFrame.iloc`则基于位置（整数索引）进行选择，它不关心列名或行标签，只看位置： ```python df.iloc[0, 1] # 选取第0行，第1列的元素，返回2 df.iloc[0] # 选取第0行，返回一个Series ``` 对于更复杂的选择，比如基于条件选择，可以使用布尔索引，如`df[df['column_name'] > value]`，这会返回满足条件的行。 pandas提供了多种灵活的方法来访问DataFrame中的元素，包括类字典方式、`.at`、`.iat`、`.loc`和`.iloc`等。理解并熟练掌握这些方法，将有助于提高数据分析的效率和准确性。在实际应用中，应根据具体情况选择最适合的方法。