Wie erhalte ich einen Wert aus einer Zelle eines Datenrahmens?

Ich habe eine Bedingung erstellt, die genau eine Zeile aus meinem Datenrahmen extrahiert:

d2 = df[(df['l_ext']==l_ext) & (df['item']==item) & (df['wn']==wn) & (df['wd']==1)]

Jetzt möchte ich einen Wert aus einer bestimmten Spalte entnehmen:

val = d2['col_name']

Als Ergebnis erhalte ich jedoch einen Datenrahmen, der eine Zeile und eine Spalte enthält ( dh eine Zelle). Es ist nicht das, was ich brauche. Ich brauche einen Wert (eine Float-Nummer). Wie kann ich das bei Pandas machen?

Wenn Sie einen DataFrame mit nur einer Zeile haben, greifen Sie auf die erste (einzige) Zeile als Serie mit ilocund dann auf den Wert mit dem Spaltennamen zu:

In [3]: sub_df
Out[3]:
          A         B
2 -0.133653 -0.030854

In [4]: sub_df.iloc[0]
Out[4]:
A   -0.133653
B   -0.030854
Name: 2, dtype: float64

In [5]: sub_df.iloc[0]['A']
Out[5]: -0.13365288513107493

Dies ist ein schneller Zugriff für Skalare

In [15]: df = pandas.DataFrame(numpy.random.randn(5,3),columns=list('ABC'))

In [16]: df
Out[16]: 
          A         B         C
0 -0.074172 -0.090626  0.038272
1 -0.128545  0.762088 -0.714816
2  0.201498 -0.734963  0.558397
3  1.563307 -1.186415  0.848246
4  0.205171  0.962514  0.037709

In [17]: df.iat[0,0]
Out[17]: -0.074171888537611502

In [18]: df.at[0,'A']
Out[18]: -0.074171888537611502

Sie können Ihren 1x1-Datenrahmen in ein Numpy-Array verwandeln und dann auf den ersten und einzigen Wert dieses Arrays zugreifen:

val = d2['col_name'].values[0]

Die meisten Antworten werden verwendet, ilocwas für die Auswahl nach Position gut ist.

Wenn Sie eine Auswahl nach Etikett benötigen, ist locdies bequemer.

Zum expliziten Abrufen eines Werts (entspricht veraltetem df.get_value ('a', 'A'))

# this is also equivalent to df1.at['a','A']
In [55]: df1.loc['a', 'A'] 
Out[55]: 0.13200317033032932

Ich brauchte den Wert einer Zelle, ausgewählt nach Spalten- und Indexnamen. Diese Lösung hat bei mir funktioniert:

original_conversion_frequency.loc[1,:].values[0]

Es sieht nach Änderungen nach Pandas 10.1 / 13.1 aus

Ich habe ein Upgrade von 10.1 auf 13.1 durchgeführt, bevor iloc nicht verfügbar ist.

Erhält jetzt mit 13.1 iloc[0]['label']ein einzelnes Wertearray anstelle eines Skalars.

So was:

lastprice=stock.iloc[-1]['Close']

Ausgabe:

date
2014-02-26 118.2
name:Close, dtype: float64

Die schnellsten / einfachsten Optionen, die ich gefunden habe, sind die folgenden. 501 repräsentiert den Zeilenindex.

df.at[501,'column_name']
df.get_value(501,'column_name')

ilocFiltern Sie für Pandas 0.10, wo dies nicht verfügbar ist, a DFund rufen Sie die Daten der ersten Zeile für die Spalte ab VALUE:

df_filt = df[df['C1'] == C1val & df['C2'] == C2val]
result = df_filt.get_value(df_filt.index[0],'VALUE')

Wenn mehr als eine Zeile gefiltert ist, erhalten Sie den ersten Zeilenwert. Es gibt eine Ausnahme, wenn der Filter zu einem leeren Datenrahmen führt.

Ich bin mir nicht sicher, ob dies eine gute Praxis ist, aber ich habe festgestellt, dass ich auch nur den Wert erhalten kann, indem ich die Serie als besetze float .

z.B

rate

3 0,042679

Name: Arbeitslosenquote, Typ: float64

float(rate)

0,0426789

Es muss nicht kompliziert sein:

val = df.loc[df.wd==1, 'col_name'].values[0]

df_gdp.columns

Index ([u'Country ', u'Country Code', u'Indicator Name ', u'Indicator Code', u'1960 ', u'1961', u'1962 ', u'1963', u'1964 ' , u'1965 ', u'1966', u'1967 ', u'1968', u'1969 ', u'1970', u'1971 ', u'1972', u'1973 ', u'1974' , u'1975 ', u'1976', u'1977 ', u'1978', u'1979 ', u'1980', u'1981 ', u'1982', u'1983 ', u'1984' , u'1985 ', u'1986', u'1987 ', u'1988', u'1989 ', u'1990', u'1991 ', u'1992', u'1993 ', u'1994' , u'1995 ', u'1996', u'1997 ', u'1998', u'1999 ', u'2000',u'2001 ', u'2002', u'2003 ', u'2004', u'2005 ', u'2006', u'2007 ', u'2008', u'2009 ', u'2010', u'2011 ', u'2012', u'2013 ', u'2014', u'2015 ', u'2016'], dtype = 'object')

df_gdp[df_gdp["Country Code"] == "USA"]["1996"].values[0]

8100000000000.0