pandas取第一行数据_Pandas-获取给定列的第一行值
要选择ith行，use ^{}：In [31]: df_test.iloc[0]
Out[31]:
ATime 1.2
X 2.0
Y 15.0
Z 2.0
Btime 1.2
C 12.0
D 25.0
E 12.0
Name: 0, dtype: float64
要选择Btime列中的第i个值，可以使用：In [30]: df_test['Btime'].iloc[0]
Out[30]: 1.2
df_test['Btime'].iloc[0](推荐)和df_test.iloc[0]['Btime']之间存在差异：
数据帧将数据存储在基于列的块中(其中每个块有一个
数据类型)。如果首先选择按列，则可以返回视图(即
比返回副本快)并且保留原始数据类型。相反，
如果您首先选择“按行”，并且如果数据帧具有不同的列
数据类型，然后Pandas将数据复制到一系列新的对象数据类型中。所以
选择列比选择行快一点。因此，尽管
df_test.iloc[0]['Btime']工作，df_test['Btime'].iloc[0]有点
更有效率。
在作业方面，两者有很大的区别。
df_test['Btime'].iloc[0] = x影响df_test，但是df_test.iloc[0]['Btime']
可能不会。有关原因的解释，请参见下文。因为
索引顺序对行为有很大影响，最好使用单个索引分配：df.iloc[0, df.columns.get_loc('Btime')] = x
df.iloc[0, df.columns.get_loc('Btime')] = x(推荐)：df.loc[df.index[n], 'Btime'] = x
或者df.iloc[n, df.columns.get_loc('Btime')] = x
后一种方法要快一点，因为df.loc必须将行和列标签转换为
位置索引，因此如果使用
df.iloc取而代之。
df['Btime'].iloc[0] = x有效，但不建议：
尽管这样做有效，但它利用了当前实现数据帧的方式。不能保证熊猫将来一定要这样工作。特别是，它利用了这样一个事实，即(当前)df['Btime']总是返回
查看(不是副本)，因此df['Btime'].iloc[n] = x可用于分配一个新值
在df的Btime列的第n个位置。
由于Pandas没有明确保证索引器何时返回视图和副本，因此使用链式索引的赋值通常都会引发一个SettingWithCopyWarning，即使在这种情况下，赋值成功地修改了df：In [22]: df = pd.DataFrame({'foo':list('ABC')}, index=[0,2,1])
In [24]: df['bar'] = 100
In [25]: df['bar'].iloc[0] = 99
/home/unutbu/data/binky/bin/ipython:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame
See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
self._setitem_with_indexer(indexer, value)
In [26]: df
Out[26]:
foo bar
0 A 99
2 B 100
1 C 100
df.iloc[0]['Btime'] = x不工作：
相反，使用df.iloc[0]['bar'] = 123的赋值不起作用，因为df.iloc[0]正在返回一个副本：In [66]: df.iloc[0]['bar'] = 123
/home/unutbu/data/binky/bin/ipython:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame
See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
In [67]: df
Out[67]:
foo bar
0 A 99
2 B 100
1 C 100
警告：我以前建议过df_test.ix[i, 'Btime']。但这并不能保证给您提供ith值，因为ix在尝试通过位置索引之前，尝试通过标签索引。因此，如果数据帧有一个整数索引，该索引的排序顺序不是从0开始的，那么使用ix[i]将返回标记为i的行，而不是ith的行。例如In [1]: df = pd.DataFrame({'foo':list('ABC')}, index=[0,2,1])
In [2]: df
Out[2]:
foo
0 A
2 B
1 C
In [4]: df.ix[1, 'foo']
Out[4]: 'C'