pandas - 如何访问 pandas 中的单元格，相当于 R 中的 df[3,4]

Pandas

如何使用Pandas访问单元格数据？

在数据分析和处理中，Pandas是一个非常强大的Python库。它提供了丰富的功能，可以轻松地对数据进行操作和分析。在Pandas中，我们可以像R语言中的数据框一样，使用行号和列号来访问单个单元格的数据。本文将介绍如何使用Pandas中的索引来访问单元格，并提供代码示例。

## 使用iloc方法访问单元格数据

Pandas提供了一个名为iloc的方法，可以通过行和列的索引来访问单元格数据。类似于R语言中的df[3,4]，在Pandas中我们可以使用df.iloc[3,4]来获取指定位置的单元格数据。

下面是一个示例代码：

Python
import Pandas as pd
# 创建一个示例数据框
data = {'Name': ['Tom', 'Nick', 'John', 'Sam'],
        'Age': [20, 25, 30, 35],
        'City': ['New York', 'Paris', 'London', 'Tokyo']}
df = pd.DataFrame(data)
# 使用iloc方法获取第3行第4列的单元格数据
cell_data = df.iloc[2, 3]
print("第3行第4列的单元格数据为:", cell_data)

在这个例子中，我们创建了一个包含姓名、年龄和城市信息的数据框。通过使用iloc方法，我们可以获取第3行第4列（索引从0开始计数）的单元格数据。输出结果为：

第3行第4列的单元格数据为: Tokyo

## 使用at方法访问单元格数据

除了iloc方法外，Pandas还提供了另一个方法at，可以通过行和列的标签来访问单元格数据。类似于R语言中的df[3,4]，在Pandas中我们可以使用df.at[3,4]来获取指定位置的单元格数据。

下面是一个示例代码：

Python
import Pandas as pd
# 创建一个示例数据框
data = {'Name': ['Tom', 'Nick', 'John', 'Sam'],
        'Age': [20, 25, 30, 35],
        'City': ['New York', 'Paris', 'London', 'Tokyo']}
df = pd.DataFrame(data)
# 使用at方法获取第3行第4列的单元格数据
cell_data = df.at[2, 'City']
print("第3行第4列的单元格数据为:", cell_data)

在这个例子中，我们同样创建了一个包含姓名、年龄和城市信息的数据框。通过使用at方法，我们可以获取第3行第4列的单元格数据。输出结果为：

第3行第4列的单元格数据为: London

Pandas提供了多种方法来访问单元格数据，包括使用iloc和at方法。无论是通过行号和列号还是行标签和列标签，我们都可以方便地获取到指定位置的单元格数据。这使得在数据处理和分析中更加灵活和便捷。

希望本文对你理解如何使用Pandas访问单元格数据有所帮助。如果你还有其他关于Pandas的问题，可以继续阅读相关文档或者参考Pandas官方文档进行更深入的学习和研究。