تعيين قيمة لخانة cell بناء على رقمها index في pandas

يمكنك استخدام .iat / .at , لنفترض أن لديك إطار data_frame التالي

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

إذا أردنا تعديل قيمة الخلية [0 ، "A"] يمكنك استخدام أحد هذه الحلول:

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

وإليك مثال كامل عن كيفية استخدام iat للحصول على قيمة الخلية وتعيينها:

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

أو يمكنك استخدام الحل الآتي

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

اذا كنت تريد التعديل على ال dataframe بحيث تقوم بعمل نسخة معدلة مع ابقاء النسخة الأصلية غير معدلة يمكنك عمل التالي:

df.xs('C')['D']=20

اما اذا أردت التعديل على ال dataframe الأصلية فيمكنك استخدام الكود التالي:

df.at['C', 'D'] = 20

وكذلك يمكنك استخدام set_value كالتالي:

df.set_value('C', 'D', 20)

إليك جميع الطرق مع مقارنة بزمن التنفيذ بينها:

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) # سوف يتم إلغاءها في قادم النسخ
%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)  الأفضل
5.52 µs ± 64.2 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each) الأفضل
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)
"""

كما يمكنك تعديل القيم بالشكل التالي:

import pandas as pd
df = pd.DataFrame(index=['A','B','C'], columns=['D','E'])
df.D["C"]=2

يجب أن تنتبه أن df.iloc, df.loc, df.at يتم تنفيذهم مع حالة كان index بإستخدام الكلمات كما في المثال او الأرقام، df.iloc تعمل فقط في حال كان integer index. أما df.loc و df.at يمكن أن يعملان في حالة كنت تريد الإضافة بإستخدام إسم العمود مع integer index.

في حالة كان index غير معرف فإن كل من df.loc , df.at يقومان بالإضافة في dataframe بصورة مباشرة و لكن df.iloc تقوم بإنشاء خطأ، لاحظ المثال التالي:

import numpy as np, pandas as pd

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

# الأسطر و الأعمدة غير موجودة في البيانات الأساسية بالتالي يتم  إضافتهم
df.at['D','w'] = 9000
df.loc['E','q'] = 499

# هذه الطريقة تقوم بإستخدام عبارة شرطية لفلترة البيانات و من قم الإضافة
df.at[df1['x']=='B', 'y'] = 10000
df.loc[df1['x']=='B', ['z','w']] = 10000

# إضافة قيم بإستخدام index
df.iloc[[1,2,4], 2] = 9999
df.loc[[0,'D','E'],'w'] = 7500
df.at[[0,2,"D"],'x'] = 10
df.at[:, ['y', 'w']] = 8000

df