Pandas单元格赋值pd.loc[][]与pd.loc[,]使用区别

于 2023-07-18 17:28:42 发布
阅读量385 收藏
点赞数
文章标签： pandas
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_55418203/article/details/131792420
版权

从EXCEL读取数据

bDat = pd.read_excel(bDir,sheet_name='Sheet1',header = 0, keep_default_na=True)

对bDat第一行最后一列值进行修改：

bDat.loc[0]['DONE'] ="OK"

这样会报错，即使做copy后也会报错，

更改为

bDat.loc[0,'DONE'] ="OK"

这样不会报错

栽棵向阳花
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
python pandas.DataFrame.loc函数使用详解
09-17
主要介绍了python pandas.DataFrame.loc函数使用详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
pandas 入门：DataFrame的创建，读写，插入和删除
热门推荐
不去想结果，一直在路上
10-26 30万+
不得不说DataFrame现在很火，已经有很多库都是基于DataFrame写的，而且它用起来也很方便，读excel只需要一行代码，起使用xlrd的日子，至今还脑壳疼，所以对于一个用python做数据处理的人来说，pandas是必须要了解的。对于一个数据处理工具来说，读写是最基本的，下面是我最近整理的关于pandas一些基本本操作
Pandas的基础操作：介绍／创建／查看数据／赋值／删除／常用函数接口
weixin_42969619的博客
08-27 4058
Pandas是一个用于处理表格数据的Python模块（即带有行和列的表中的数据） 创建一个DataFrame DataFrame是一个将数据存储为行和列的对象。您可以将DataFrame视为电子表格或SQL表格。您可以手动创建DataFrame，也可以使用CSV，Excel电子表格或SQL查询中的数据填充它。 DataFrames有行和列。每列都有一个名称，这是一个字符串。每行都有一个索引，...
Pandas给dataframe中某一行的某一个特定位置赋值loc iloc ix
Buevara的博客
10-22 3万+
pandas从dataframe中获取值可以用: import numpy as np from pandas import Series, DataFrame import pandas as pd df = DataFrame({'CST_NO': [11, 22, 11, 22, 11, 22], 'AMOUNT': [10, 20, 30, np.nan...
【python】pandas库中中iloc与loc函数的区别
欢迎来到我的博客呐～
05-23 3876
最开始表明我的理解： pd.iloc[行号,列号] pd.loc[行标签,列标签] iloc是基于索引位来选取数据集，行号和列号都是从0开始数，而且还是前开后闭，比如iloc[:3]则是选取前三行0,1,2三行数据。 loc是基于标签进行选取。闭区间，loc[:3]表明取到3,如果是从0开始的标签，则取0,1,2,3总共4行数据。 下面给出相应代码和运行结果 首先给出一串数据 import pandas as pd rowdata={ '电影名称':['无问西东','后来的我们','前任3','红
数据分析基础之Pandas库
qq_27924553的博客
09-28 836
numpy和pandas区别 numpy:处理数值数据 pandas:字符串，时间数据等 1、Pandas概述 pandas名称来源：面板数据（panel data） Pandas是一个强大的分析结构化数据的工具集，基于Numpy构建，提供了高级数据结构和数据操作工作 1、基础是numpy,提供了高效性能矩阵的运算; 2、提供数据清洗功能 3、应用于数据挖掘,数据分析 4、提供了大量能快速便捷地处理数据的额函数和方法 2、Pandas数据结构 2.1、Series介绍 Series：是一种一维标.
pd.loc和pd.iloc,
Jiashilin
04-13 2万+
loc通过行和列的名字获取值 iloc通过下标获取值 # t1 = pd.DataFrame(np.arange(12).reshape(3, 4), index=list('abc'), columns=list('wxyz')) #loc az = t1.loc["a", 'z'] #iloc iac = t1.iloc[[2,1], :] 注意： iloc使用索引定位的时候...
Pandas | 数据类型及基本操作（Series & DataFrame）
RichardsZ_的博客
09-25 4816
Series 一维数据结构，数据呈单列，索引为行 import pandas as pd import numpy as np s = pd.Series([18,20,25]) pandas会默认用0到n-1来作为Series的index，但是我们也可以自己指定index。index我们可以把它理解为dict里面的key。 s = pd.Series([18,20,25], index = ['张三','李四','王五']) #等同于上式pd.Series([18,20,25], index =
pd.loc[]中切片的一个小辨析
xxt228的博客
03-02 345
pd.loc[]的一个小坑
pandas 指定单元格赋值
ducanwang的博客
02-20 939
pandas 指定单元格赋值
Pandas中loc,iloc函数的用法
缘 源 园
02-18 1874
用loc,iloc,直接取值三种方法;对DataFrame,Series，行和列进行操作 import pandas as pd #读取college数据集 college = pd.read_csv('data/college.csv', index_col='INSTNM') iloc通过行标签取数 索引值的下标 # 选取第61行 pd.options.display.max_rows = 6 college.iloc[60] ''' CITY Anchor.
详解pandas数据合并与重塑（pd.concat篇）
01-01
concat函数是在pandas底下的方法，可以将数据根据不同的轴作简单的融合 pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=...
详解pandas库pd.read_excel操作读取excel文件参数整理与实例
09-19
主要介绍了pandas库pd.read_excel操作读取excel文件参数整理与实例，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
3.Pandas赋值及数据操作
重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
06-05 1万+
文章目录0 引言1 Pandas赋值2 Pandas数据操作 0 引言 Pandas处理表格的数据时，有时候需要对某一行或者某一列的一个值需要赋值，有时候也需要其他的数据操作，比如删除，更改等操作。 1 Pandas赋值 import pandas as pd import numpy as np 生成DataFrame表格数据 dates = np.arange(20200101,20200107) df1 = pd.DataFrame(np.arange(24).reshape((6,4)),inde
Pandas表格——从列表中指定单元格进行赋值
LRJ的博客
11-16 1179
赋值指定的单元
pandas dataframe在指定位置增加列以及给指定单元格赋值
woaichixiaodangao的博客
09-28 1万+
在指定位置增加一列 原dataframe为： a b 0 a1 b1 1 a2 b2 增加列，不指定新列的值： df = df.reindex(columns=list(['c','a','d','b'])) c a d b 0 NaN a1 NaN b1 1 NaN a2 NaN b2 增加列的同时指定列的值： df = df.reinde...
Pandas给DataFrame赋值
chery的博客
06-25 12万+
Pandas 设置值 相关代码 创建数据 我们可以根据自己的需求, 用 pandas 进行更改数据里面的值, 或者加上一些空的,或者有数值的列. 首先建立了一个 6X4 的矩阵数据。 dates = pd.date_range('20130101', periods=6) df = pd.DataFrame(np.arange(24).reshape((6,4)),index...
【Python 笔记】pandas设置单元格的值
weixin_51244931的博客
01-25 1147
替换单元格的值： 将'A'列第5行的值替换/设置为'xxx' import pandas as pd df = pd.read_excel('file.xlsx', sheet_name=None, header=0) df.loc[5, 'A'] = 'xxx' 替换某列中多个符合条件的单元格的值： df.loc[df['A']=='xxx', 'A'] = 'XXX' ...
node-v0.8.10-sunos-x64.tar.gz
最新发布
05-16
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
解释如下代码： for ind,value in match_all_pd.iterrows(): if value.pic_id1 <= value.pic_id2: continue else: temp = value.pic_id2 match_all_pd.loc[ind,'pic_id2'] = value.pic_id1 match_all_pd.loc[ind,'pic_id1'] = temp temp = value.row_id2 match_all_pd.loc[ind,'row_id2'] = value.row_id1 match_all_pd.loc[ind,'row_id1'] = temp temp = value.col_id2 match_all_pd.loc[ind,'col_id2'] = value.col_id1 match_all_pd.loc[ind,'col_id1'] = temp match_all_pd['row_diff'] = match_all_pd['row_id2'] - match_all_pd['row_id1'] match_all_pd['col_diff'] = match_all_pd['col_id2'] - match_all_pd['col_id1'] match_all_pd = match_all_pd.sort_values(by = ['pic_id1','pic_id2']) match_all_pd = match_all_pd.drop_duplicates(subset = ['pic_id1','pic_id2','row_diff','col_diff'],keep = 'first') match_check = match_all_pd.groupby(by =['pic_id1','pic_id2','row_diff','col_diff']).count() if(len(match_check[match_check.col_id1>1])>0): print('error')
06-14
这段代码的功能是对一个名为match_all_pd的DataFrame进行处理，按照pic_id1和pic_id2排序，并删除重复项。其中pic_id1和pic_id2是两张图片的编号，row_id1和row_id2是这两张图片中的某个物体的行坐标，col_id1和col_id2是这两张图片中的某个物体的列坐标。在删除重复项之前，还计算了每个匹配对中的行坐标和列坐标的差值（row_diff和col_diff）。 具体来说，代码中使用了iterrows()函数来循环遍历DataFrame的每一行。对于每一行数据，如果pic_id1小于等于pic_id2，则跳过该行数据，否则将pic_id1和pic_id2的值互换，同时将row_id1、row_id2、col_id1和col_id2的值也互换。然后，计算row_diff和col_diff的值，并按照pic_id1和pic_id2排序，最后删除重复项。如果在删除重复项之后，仍然存在两个或更多匹配对具有相同的pic_id1、pic_id2、row_diff和col_diff值，则输出"error"。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值