programing

인덱스를 사용하여 panda DataFrame의 특정 셀 값 설정

procenter 2022. 9. 18. 21:04

인덱스를 사용하여 panda DataFrame의 특정 셀 값 설정

Panda Data Frame을 만들었습니다.

df = DataFrame(index=['A','B','C'], columns=['x','y'])

그리고 이걸 가지고 있다

x yNaN NaNB NaN NaNC NaN NaN

예를 행에 값을 하겠습니다.C 열 " " "x다음과 같은 결과를 얻을 수 있을 것입니다.

x yNaN NaNB NaN NaNC 10 NaN

다음 코드 포함:

df.xs('C')['x'] = 10

,, 의의 df변경되지 않았습니다. 은 아직 ★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★NaNs.

좋은 의견이라도 있나?

RukTech의 답변은df.set_value('C', 'x', 10)에서는, 이하에 나타내는 옵션보다 훨씬 고속입니다.그러나, 그것은 폐지될 예정이다.

앞으로 권장되는 방법은 입니다.

★★★★df.xs('C')['x']=10다음 중 하나:

df.xs('C')기본적으로는 데이터 복사본과 함께 새 데이터 프레임을 반환합니다.

df.xs('C')['x']=10

는 이 새로운 데이터 프레임만 변경합니다.

df['x'] returns 、 returns of of of of of of of의 합니다.df 프레임, 즉 " Frame", "Data Frame"

df['x']['C'] = 10

df그 자체입니다.

경고:작업이 복사본 또는 보기를 반환할지 예측하는 것이 어려울 수 있습니다.따라서 문서에서는 "체인 인덱싱"을 사용하는 할당을 피하는 것이 좋습니다.

그래서 추천할 수 있는 대안은

df.at['C', 'x'] = 10

수정이 됩니다.df.

In [18]: %timeit df.set_value('C', 'x', 10)
100000 loops, best of 3: 2.9 µs per loop

In [20]: %timeit df['x']['C'] = 10
100000 loops, best of 3: 6.31 µs per loop

In [81]: %timeit df.at['C', 'x'] = 10
100000 loops, best of 3: 9.2 µs per loop

★★★★★★★★★★★★★★★★★★★」.set_value메서드는 폐지됩니다. .iat/.at는 좋은 되지 않습니다. 불행히도 팬더들은 문서를 거의 제공하지 않습니다.

가장 빠른 방법은 set_value를 사용하는 것입니다.이 방법은 ~100배 고속입니다..ix '다보다'와 같이요.

df.set_value('C', 'x', 10)

할 수도 ..loc'이것'은 다음과 같습니다.

df.loc[df[<some_column_name>] == <condition>, [<another_column_name>]] = <value_to_add>

서 ''는<some_column_name입니다.<condition> 및 변수입니다.<another_column_name>추가할 컬럼(새 컬럼 또는 이미 존재하는 컬럼)입니다. <value_to_add>는 해당 열/행에 추가할 값입니다.

이 예는 당면한 질문에서는 정확하게 작동하지 않지만, 조건에 따라 특정 값을 추가하고자 하는 사람에게 유용할 수 있습니다.

도 한번 써보세요.df.loc[row_index,col_indexer] = value

(유지관리자에 따르면) 값을 설정하는 권장 방법은 다음과 같습니다.

df.ix['x','C']=10

인덱스 사용체인 인덱스df['x']['C']에 의해 가 발생할 수 에 의해 문제가 발생할 수 있습니다.

참조:

나한테 효과가 있었던 건 이것뿐이에요!

df.loc['C', 'x'] = 10

★★★의 .loc 여기 있습니다.

값을 설정하려면 다음을 사용합니다.

df.at[0, 'clm1'] = 0

변수를 설정하는 가장 빠른 권장 방법입니다.
set_value,ix더 이상 사용되지 않습니다.
, 경고는 없다.iloc ★★★★★★★★★★★★★★★★★」loc

.iat/.at은은해해 해다다다다다과 같은 data_frame이 하면, data_frame은 다음과 같습니다.

   A   B   C
0  1   8   4 
1  3   9   6
2  22 33  52

[0,"A"] 중 할 수 있습니다.

df.iat[0,0] = 2
df.at[0,'A'] = 2

여기 이 있습니다.iat: cell :의하려면 , 다음의 순서를 합니다.

def prepossessing(df):
  for index in range(0,len(df)): 
      df.iat[index,0] = df.iat[index,0] * 2
  return df

y_train 이전:

한 후 을 prepossessing한다.iat.

제안합니다.

df.loc[index_position, "column_name"] = some_value

이 예에서는 선택한 셀에서 변경만 하면 됩니다.

    for index, row in result.iterrows():
        if np.isnan(row['weight']):
            result.at[index, 'weight'] = 0.0

'result'는 'weight' 열이 있는 데이터 필드입니다.

체인 인덱싱을 사용한 할당 회피

연쇄 인덱싱을 사용하는 할당을 처리하고 있으며, 이로 인해SettingWithCopy 경고합니다.이것은 반드시 피해야 한다.

은 한 해야 합니다..loc[] ★★★★★★★★★★★★★★★★★」.iloc[]슬라이스(여기 설명)따라서 사용자의 경우:

df.loc['C', 'x'] = 10

다음은 모든 사용자가 정수 및 문자열로 인덱싱한 데이터 프레임에 대해 제공하는 유효한 솔루션의 요약입니다.

df.iloc,df.loc ★★★★★★★★★★★★★★★★★」df.at프레임 모두에 대해 합니다.df.iloc열 정수 색인인 /열 정수 색인에만 할 수 있습니다.df.loc ★★★★★★★★★★★★★★★★★」df.at는 열 이름 및/또는 정수 인덱스를 사용한 값 설정을 지원합니다.

하지 않는 두 인덱스가 모두 하지 않습니다.df.loc ★★★★★★★★★★★★★★★★★」df.at행 을 기존 하지만, "/"/"/"/"/"/"/"/"/"/"/"/"/"/";df.iloc 올리다"IndexError: positional indexers are out-of-bounds"Python 2.7 및 3.7 。

import numpy as np, pandas as pd

df1 = pd.DataFrame(index=np.arange(3), columns=['x','y','z'])
df1['x'] = ['A','B','C']
df1.at[2,'y'] = 400

# rows/columns specified does not exist, appends new rows/columns to existing data frame
df1.at['D','w'] = 9000
df1.loc['E','q'] = 499

# using df[<some_column_name>] == <condition> to retrieve target rows
df1.at[df1['x']=='B', 'y'] = 10000
df1.loc[df1['x']=='B', ['z','w']] = 10000

# using a list of index to setup values
df1.iloc[[1,2,4], 2] = 9999
df1.loc[[0,'D','E'],'w'] = 7500
df1.at[[0,2,"D"],'x'] = 10
df1.at[:, ['y', 'w']] = 8000

df1
>>> df1
     x     y     z     w      q
0   10  8000   NaN  8000    NaN
1    B  8000  9999  8000    NaN
2   10  8000  9999  8000    NaN
D   10  8000   NaN  8000    NaN
E  NaN  8000  9999  8000  499.0

하면 ..iloc.

df.iloc[[2], [0]] = 10

set_value()을 사용하다

발매 0.23.4부터 팬더 '미래를 알린다'

>>> df
                   Cars  Prices (U$)
0               Audi TT        120.0
1 Lamborghini Aventador        245.0
2      Chevrolet Malibu        190.0
>>> df.set_value(2, 'Prices (U$)', 240.0)
__main__:1: FutureWarning: set_value is deprecated and will be removed in a future release.
Please use .at[] or .iat[] accessors instead

                   Cars  Prices (U$)
0               Audi TT        120.0
1 Lamborghini Aventador        245.0
2      Chevrolet Malibu        240.0

이 조언을 참고하여 사용 방법에 대한 데모를 소개합니다.

행/열 정수 위치별

>>> df.iat[1, 1] = 260.0
>>> df
                   Cars  Prices (U$)
0               Audi TT        120.0
1 Lamborghini Aventador        260.0
2      Chevrolet Malibu        240.0

행/열 레이블별

>>> df.at[2, "Cars"] = "Chevrolet Corvette"
>>> df
                  Cars  Prices (U$)
0               Audi TT        120.0
1 Lamborghini Aventador        260.0
2    Chevrolet Corvette        240.0

참고 자료:

인덱스를 조건과 함께 사용하는 한 가지 방법은 먼저 조건을 충족하는 모든 행의 인덱스를 가져온 다음 여러 가지 방법으로 해당 행 인덱스를 사용하는 것입니다.

conditional_index = df.loc[ df['col name'] <condition> ].index

조건의 예는 다음과 같습니다.

==5, >10 , =="Any string", >= DateTime

그런 다음 다음과 같은 다양한 방법으로 행 인덱스를 사용할 수 있습니다.

conditional_index에 대해 한 열의 값을 바꿉니다.

df.loc[conditional_index , [col name]]= <new value>

conditional_index에 대한 여러 열의 값을 바꿉니다.

df.loc[conditional_index, [col1,col2]]= <new value>

conditional_index를 저장함으로써 얻을 수 있는 이점 중 하나는 행 인덱스가 동일한 다른 열에 한 열의 값을 할당할 수 있다는 것입니다.

df.loc[conditional_index, [col1,col2]]= df.loc[conditional_index,'col name']

왜냐하면 .index 지수의 .loc 직접 주소 지정과 함께 다시 다시 traversals을 피하는 것이 사용할 수 있는 배열을 반환합니다 이 모든 것이 가능하다.

, 가 나오네요.df.set_value만, 인 방법으로는 빠릅니다.df.at처럼 가장 빠른 비 그것을 하기 위한 방법을 비난했다 것 같군요.

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.rand(100, 100))

%timeit df.iat[50,50]=50 # ✓
%timeit df.at[50,50]=50 #  ✔
%timeit df.set_value(50,50,50) # will deprecate
%timeit df.iloc[50,50]=50
%timeit df.loc[50,50]=50

7.06 µs ± 118 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
5.52 µs ± 64.2 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
3.68 µs ± 80.8 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
98.7 µs ± 1.07 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
109 µs ± 1.42 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

이것은 개인 휴대폰을 위해서 값을 설정합니다. 개 、 충 、 for 、loc ★★★★★★★★★★★★★★★★★」iloc벡터화 된 것은, 「」입니다.

에 있는 셀을, 「0,0」의 문자열로 .'"236"76"'하다:하다

df[0][0] = '"236"76"'
# %timeit df[0][0] = '"236"76"'
# 938 µs ± 83.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

아니면 팬더를 이용하고 있다.DataFrame.at

df.at[0, 0] = '"236"76"'
#  %timeit df.at[0, 0] = '"236"76"' 
#15 µs ± 2.09 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)

아니면 팬더를 이용하고 있다.DataFrame.iat

df.iat[0, 0] = '"236"76"'
#  %timeit df.iat[0, 0] = '"236"76"'
# 41.1 µs ± 3.09 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

아니면 팬더를 이용하고 있다.DataFrame.loc

df.loc[0, 0] = '"236"76"'
#  %timeit df.loc[0, 0] = '"236"76"'
# 5.21 ms ± 401 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

아니면 팬더를 이용하고 있다.DataFrame.iloc

df.iloc[0, 0] = '"236"76"'
#  %timeit df.iloc[0, 0] = '"236"76"'
# 5.12 ms ± 300 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

만약 시간 관련이 팬더를 사용하고 있다.DataFrame.at는 가장 빠른 접근이다.

고수, 당신의 질문['x',C]에서 10을 중요시하는 것 Not-a-Number변환할입니다.

정답은..

df['x'].loc['C':]=10
df

대체 코드는

df.loc['C', 'x']=10
df

df.loc['c','x']=10그러면 c번째 행과 x번째 열의 값이 변경됩니다.

전체 행이 아닌 일부 열에 대해서만 값을 변경하려면 다음 절차를 따릅니다.

x = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
x.iloc[1] = dict(A=10, B=-10)

0.에서는, 「」0.21 도 할 수 .1부터는.at방법. 어떤 다른 점 와 비교하면 가지 몇차이가 있다에 비교된다..loc여기서 언급했듯이 팬더.at와 .loc의 비교는 단일값 치환에 더 빠릅니다.

위의 답변과 더불어 기존 데이터 프레임에 데이터 행을 추가하는 다양한 방법을 비교하는 벤치마크를 소개합니다.이는 at 또는 set-value를 사용하는 것이 대규모 데이터 프레임(적어도 이러한 테스트 조건)에서 가장 효율적인 방법임을 보여줍니다.

각 행을 검색하고 새로운 dataframe 만들기...각 행에 대해 새 데이터 프레임을 만들고...
- ...추가(13.0초)
- ...연결(13.1초)
스토어 새로운 모든 행을 다른 컨테이너에서 처음, 새로운 dataframe에 한번 및 추가 변환하...모든 새 행을 다른 컨테이너에 먼저 저장하고 새 데이터 프레임으로 한 번 변환한 후 추가...
- 컨테이너 = 목록 목록 (2.0초)
- 컨테이너 = 목록 사전(1.9초)
Preallocate 전체 dataframe, 새로운 행과 모든 열을 사용을 반복하다. 전체 데이터 프레임을 미리 할당하고 새 행과 모든 열에 반복한 후 다음을 사용하여 채우기
- ...(0.6초)로
- ... set_value (0.4초)

테스트에는 100,000 행과 1,000 열 및 랜덤 수치로 구성된 기존 데이터 프레임이 사용되었습니다.이 데이터 프레임에는 100개의 새로운 행이 추가되었습니다.

아래 코드 참조:

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Wed Nov 21 16:38:46 2018

@author: gebbissimo
"""

import pandas as pd
import numpy as np
import time

NUM_ROWS = 100000
NUM_COLS = 1000
data = np.random.rand(NUM_ROWS,NUM_COLS)
df = pd.DataFrame(data)

NUM_ROWS_NEW = 100
data_tot = np.random.rand(NUM_ROWS + NUM_ROWS_NEW,NUM_COLS)
df_tot = pd.DataFrame(data_tot)

DATA_NEW = np.random.rand(1,NUM_COLS)


#%% FUNCTIONS

# create and append
def create_and_append(df):
    for i in range(NUM_ROWS_NEW):
        df_new = pd.DataFrame(DATA_NEW)
        df = df.append(df_new)
    return df

# create and concatenate
def create_and_concat(df):
    for i in range(NUM_ROWS_NEW):
        df_new = pd.DataFrame(DATA_NEW)
        df = pd.concat((df, df_new))
    return df


# store as dict and 
def store_as_list(df):
    lst = [[] for i in range(NUM_ROWS_NEW)]
    for i in range(NUM_ROWS_NEW):
        for j in range(NUM_COLS):
            lst[i].append(DATA_NEW[0,j])
    df_new = pd.DataFrame(lst)
    df_tot = df.append(df_new)
    return df_tot

# store as dict and 
def store_as_dict(df):
    dct = {}
    for j in range(NUM_COLS):
        dct[j] = []
        for i in range(NUM_ROWS_NEW):
            dct[j].append(DATA_NEW[0,j])
    df_new = pd.DataFrame(dct)
    df_tot = df.append(df_new)
    return df_tot




# preallocate and fill using .at
def fill_using_at(df):
    for i in range(NUM_ROWS_NEW):
        for j in range(NUM_COLS):
            #print("i,j={},{}".format(i,j))
            df.at[NUM_ROWS+i,j] = DATA_NEW[0,j]
    return df


# preallocate and fill using .at
def fill_using_set(df):
    for i in range(NUM_ROWS_NEW):
        for j in range(NUM_COLS):
            #print("i,j={},{}".format(i,j))
            df.set_value(NUM_ROWS+i,j,DATA_NEW[0,j])
    return df


#%% TESTS
t0 = time.time()    
create_and_append(df)
t1 = time.time()
print('Needed {} seconds'.format(t1-t0))

t0 = time.time()    
create_and_concat(df)
t1 = time.time()
print('Needed {} seconds'.format(t1-t0))

t0 = time.time()    
store_as_list(df)
t1 = time.time()
print('Needed {} seconds'.format(t1-t0))

t0 = time.time()    
store_as_dict(df)
t1 = time.time()
print('Needed {} seconds'.format(t1-t0))

t0 = time.time()    
fill_using_at(df_tot)
t1 = time.time()
print('Needed {} seconds'.format(t1-t0))

t0 = time.time()    
fill_using_set(df_tot)
t1 = time.time()
print('Needed {} seconds'.format(t1-t0))

저도 이 토픽을 검색하다가 DataFrame을 통해 반복하여 두 번째 DataFrame에서 검색한 값으로 업데이트하는 방법을 만들었습니다.여기 제 코드가 있습니다.

src_df = pd.read_sql_query(src_sql,src_connection)
for index1, row1 in src_df.iterrows():
    for index, row in vertical_df.iterrows():
        src_df.set_value(index=index1,col=u'etl_load_key',value=etl_load_key)
        if (row1[u'src_id'] == row['SRC_ID']) is True:
            src_df.set_value(index=index1,col=u'vertical',value=row['VERTICAL'])

언급URL : https://stackoverflow.com/questions/13842088/set-value-for-particular-cell-in-pandas-dataframe-using-index

저작자표시 (새창열림)

'programing' 카테고리의 다른 글

Mariadb / Mysql BUG ? : 서브쿼리에서 'master'별로 그룹화 (0)	2022.09.18
내 Python 어플리케이션에서 전송되는 전체 HTTP 요청을 보려면 어떻게 해야 합니까? (0)	2022.09.18
MySql 표시 성능 (0)	2022.09.18
가변 길이 어레이 사용에 대한 오버헤드가 있습니까? (0)	2022.08.28
계산된 속성 'name'이(가) 할당되었지만 설정자가 없습니다(v-model 없음). (0)	2022.08.28

현재글인덱스를 사용하여 panda DataFrame의 특정 셀 값 설정

각종 프로그래밍 정보를 다루는 블로그입니다.

Spring, c#, C++, jquery, spring3, javascript, java,

Today :
Yesterday :

procenter

인덱스를 사용하여 panda DataFrame의 특정 셀 값 설정

인덱스를 사용하여 panda DataFrame의 특정 셀 값 설정

체인 인덱싱을 사용한 할당 회피

'programing' 카테고리의 다른 글

'programing'의 다른글

티스토리툴바

« 2025/07 »
일	월	화	수	목	금	토
		1	2	3	4	5
6	7	8	9	10	11	12
13	14	15	16	17	18	19
20	21	22	23	24	25	26
27	28	29	30	31

인덱스를 사용하여 panda DataFrame의 특정 셀 값 설정

인덱스를 사용하여 panda DataFrame의 특정 셀 값 설정

체인 인덱싱을 사용한 할당 회피

'programing' 카테고리의 다른 글

'programing'의 다른글

관련글

티스토리툴바