Pandas DataFrame 中取单个值的读取和修改以及索引的修改

取DataFrame里面某个位置的值

知道index的时候：

这里用index做循环,去每一行某一列的值，直接用 df.loc[index][column name] 即可

for j in raw.index:
    chs_map = china_map[china_map['city_name']==raw.loc[j]['MAP_CITY']]
    sjz_map = china_map[china_map['prv_name']==raw.loc[j]['MAP_PRV']]

不知道index的时候

这里取某一行某一列的值,得用函数，要么出来的是一个列表而非对应位置的值

for j in raw['city'].unique()
    chs_map = china_map[china_map['city']==j]['MAP_CITY'].max()
    sjz_map = china_map[china_map['city']==j]['MAP_PRV'].max()

修改对应位置的值

知道index 和列名的时候

data2.loc[3,'hhd'] = 0

不知道index 根据条件修改的时候

多个条件, 与或非 找到对应的行， 后面要改的列，最后填值

HD.loc[(HD['STATUS']=='a'|(HD['STATUS']=='b'),'FLAG']=1

所有查询

df[row_start_index, row_end_index] 查对应行
df[0:]	#第0行及之后的行，df的全部数据
df[:2]	#第3行之前的数据不包含第三行 左开右闭
df[0:1]	#第0行
df[1:3] #第2行到第3行（不含第4行）
df[-1:] #最后一行
df[-3:-1] #倒数第3行和倒数第2行,因为没有-0,所以没有最后一行



df.loc[index,column] (使用索引值)
data2.loc['a','segments_name']  #  上面提到的直接取值
data2.loc['a',['segments_name','cnt_case_with_segment']] # 一行两列转置成个列表
data2.loc['a':'c',['segments_name','cnt_case_with_segment']]	 #选取第1行到第3行的数据, 这里面是全闭区间 这里生成dataframe

data.loc[data['gender']=='m','name'] 	 #选取gender列是m，name列的数据
data.loc[data['gender']=='M',['name','age']] #选取gender列是m，name和age列的数据

loc 修改

df.loc['a','name'] = 'aa' #修改index为‘a’，column为‘name’的那一个值为aa。
df.loc['a'] = ['bb','ff',11] #修改index为‘s’的那一行的所有值。
df.loc['a',['name','age']] = ['bb',11]    #修改index为‘a’，column为‘name’的那一个值为bb，age列的值为11。
iloc[row_index, column_index] (使用索引位置)
data2.iloc[0,0]		#第1行第1列的数据
data2.iloc[1,2]		#第2行第3列的数据
data2.iloc[[1,3],0:2]#第2行和第4行，从第1列到第2列（左闭右开不包含第3列）的数据
data2.iloc[1:3,[1,2]]	#第2行到第3行（不包含第1,4行），第2列和第3列的数据

iloc 修改

df.iloc[1,2] = 19   #修改一无素
df.iloc[:,2] = [11,22,33] #修改一整列
df.iloc[0,:] = ['lily','F',15] #修改一整行

.at .iat .ix

#at函数(使用索引值访问单个元素)
df.at['a','A']
#iat函数(使用索引位置访问单个元素)
df.iat[0,0]
#ix函数(loc与iloc的混合) 切片索引+普通索引同时使用时候的交叉索引
df.ix[0:2,'A':'C']

列索引的修改

学习dataframe的时候，发现他不可以修列中的某一个名字进行修改，那么就只能对所有的columns修改，先将columns这个index对象改成列表操作完后再重新赋值
ret = list(df1.columns)
ret[-1] = 'd'
df1.columns = ret