Dataframe对象取值与赋值

根据笔者的实践经验，对Dataframe 对象取值与赋值做一总结。
示例参考笔者上一篇博客：https://blog.csdn.net/ziyi_gong/article/details/105376758

取值

data=np.around(np.random.randn(3,4),decimals=2)
data = pd.DataFrame(data,columns=('A','B','C','D'))
print(type(data['A']))

直接取出某一列时，类型为Series 。

<class 'pandas.core.series.Series'>

需要注意上述用法在对Dataframe 和 Series 用的时候的不同，譬如：

data_A = data['A']   #  类型为序列,属性有index 和值
print(data_A)
print(data_A[0]) # 直接为值，展示值的具体类型
print(type(data_A[0]))

结果为：

0    1.76
1    1.15
2    0.23
Name: A, dtype: float64
1.76
<class 'numpy.float64'>

dataframe 取出的结果多于两列时，其结果为
另外当 .loc 取值具体到某一个点位时，其所取也为值！

赋值

在python 做数据处理的过程中，我们也经常需要对dataframe 框架中的某些列进行直接赋值，我们常见的赋值语句：

#  情形一 ： 直接赋值,赋予行列相同的numpy 数组，成功
data[['A','B']]= np.array([1,2,3,4,5,6]).reshape(3,2)
# 情形二 ： 赋值，赋予index相同的数值，成功
data_rep = pd.DataFrame(np.array([1,2,3,4,5,6]).reshape(3,2) ,index =[0,1,2])
data[['A','B']]=  data_rep
#  情形三 ： 赋值,赋予index不同的数值，失败！
data_rep = pd.DataFrame(np.array([1,2,3,4,5,6]).reshape(3,2) ,index =[0,7,8])
data[['A','B']]=  data_rep
# 情形四 ： 赋值，如果是空的dataframe 赋予dataframe ,成功!
data = pd.DataFrame(columns=('A','B','C','D'))
# 情形五 ： 赋值，如果是空的dataframe 赋予numpy数组,失败!
data[['A','B']]=   np.array([1,2,3,4,5,6]).reshape(3,2)
# 情形六 ： 赋值，如果是空的dataframe 必须要赋予数组，则可以这样赋予！
data['A'],data['B']=   np.array([1,2,3]),np.array([4,5,6])

总结：

• 情形一 ： 直接赋值,赋予行列相同的numpy 数组，成功
• 情形二 ： 赋值，赋予index相同的数值，成功
• 情形三 ： 赋值,赋予index不同的数值，失败！
• 情形四 ： 赋值，如果是空的dataframe 赋予dataframe ,成功!
• 情形五 ： 赋值，如果是空的dataframe 赋予numpy数组,失败!
• 情形六 ： 赋值，如果是空的dataframe 必须要赋予数组，则可以这样赋予！

赋值的时候，也可以使用.loc进行赋值。如果赋予单个值，不需要注意该索引是否存在。 但是当索引以列表形式赋予的时候，则该索引必须是存在的！

# 成功！
data.loc[4,'A'] =  1
#  失败！
data.loc[[5,6,7],'A'] =1