Pandas – получить значение первой строки для заданного столбца

Чтобы выбрать ith строку, используйте iloc :

 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 

Чтобы выбрать i-е значение в столбце Btime вы можете использовать:

 In [30]: df_test['Btime'].iloc[0] Out[30]: 1.2 

Предупреждение : ранее я предлагал df_test.ix[i, 'Btime'] . Но это не гарантирует получение ith значения, так как ix пытается индексировать по метке, прежде чем пытаться индексировать по положению . Поэтому, если DataFrame имеет целочисленный индекс, который не находится в отсортированном порядке, начиная с 0, то использование ix[i] вернет строку с меткой i а не ith строку. Например,

 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' 

Обратите внимание, что ответ от @unutbu будет правильным, пока вы не захотите установить значение на что-то новое, тогда оно не будет работать, если ваш фреймворк представляет собой представление.

 In [4]: df = pd.DataFrame({'foo':list('ABC')}, index=[0,2,1]) In [5]: df['bar'] = 100 In [6]: df['bar'].iloc[0] = 99 /opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/pandas-0.16.0_19_g8d2818e-py2.7-macosx-10.9-x86_64.egg/pandas/core/indexing.py:118: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame See the the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy self._setitem_with_indexer(indexer, value) 

Другой подход, который будет последовательно работать с настройкой и получением:

 In [7]: df.loc[df.index[0], 'foo'] Out[7]: 'A' In [8]: df.loc[df.index[0], 'bar'] = 99 In [9]: df Out[9]: foo bar 0 A 99 2 B 100 1 C 100 

1. df.iloc[0].head(1) – Первый набор данных только из всей первой строки.
2. df.iloc[0] – целая первая строка в столбце.

В общем случае, если вы хотите выбрать первые N строк из столбца J из pandas dataframe, лучший способ сделать это:

data = dataframe [0: N] [:, J]