DataFrame修改行和列的值

很高兴回答您的问题。对于DataFrame修改行和列的值，您可以使用loc和iloc方法来进行操作。loc方法根据行标签和列标签进行操作，iloc方法根据行索引和列索引进行操作。例如，要将DataFrame df中第一行、第一列的值修改为1，可以使用以下代码：

df.loc[0, 'column_name'] = 1

其中，0表示第一行的行标签，'column_name'表示第一列的列标签。如果要将DataFrame df中第一行、第一列的值修改为1，也可以使用以下代码：

df.iloc[0, 0] = 1

其中，0表示第一行的行索引，0表示第一列的列索引。希望这个答案能够帮到您，谢谢！

相关问题

dataframe按列修改行值

### 修改 Pandas DataFrame 中指定列的行值

对于修改 Pandas DataFrame 中特定条件下的行值，可以通过布尔索引或 `loc` 方法来实现。下面展示如何针对某一列满足特定条件的情况更新该列或其他列中的值。

#### 使用布尔索引来筛选并更改数据

当希望依据某列的具体数值改变其他列的数据时，可以先创建一个布尔掩码用于定位目标记录，再通过此掩码执行赋值操作：

import pandas as pd

# 构建测试用DataFrame
data = {'A': [0, 1, 2, 0], 'B': [4, 5, 6, 7]}
df = pd.DataFrame(data)

# 对于'A'等于0的位置，在'B'列设置新值99
mask = df['A'] == 0
df.loc[mask, 'B'] = 99

print(df)

上述代码会输出如下结果[^1]：

   A   B
0  0  99
1  1   5
2  2   6
3  0  99

这里展示了如何利用布尔数组作为索引器去访问符合条件的子集，并对其应用新的值。

#### 利用 apply 函数自定义转换逻辑

如果需要更复杂的变换规则，则可借助 `apply()` 或者 `transform()` 来处理每一行的数据。这种方式允许传递函数对象给这些方法，从而灵活地控制每条记录上的计算过程。

def custom_update(row):
    if row['A'] > 1:
        return "High"
    elif row['A'] == 1:
        return "Medium"
    else:
        return "Low"

df['Category'] = df.apply(custom_update, axis=1)

print(df[['A', 'Category']])

这段脚本将会新增一列叫做 `'Category'` ，其内容取决于原表中 `'A'` 的取值情况[^2]。

dataframe删除某一列值重复的行

可以使用 `drop_duplicates` 方法来删除某一列值重复的行。

假设要删除名为 `col_name` 的列中值重复的行，可以按照以下方式操作：

df.drop_duplicates(subset=['col_name'], keep='first', inplace=True)

其中，`subset` 参数指定要考虑的列名或列名列表，`keep` 参数指定保留哪些值，`inplace` 参数指定是否在原始 DataFrame 上进行修改。

例如，以下代码删除名为 `age` 的列中值重复的行：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Bob'],
        'age': [25, 30, 35, 40, 30],
        'gender': ['F', 'M', 'M', 'M', 'M']}

df = pd.DataFrame(data)
print(df)

df.drop_duplicates(subset=['age'], keep='first', inplace=True)
print(df)

输出：

       name  age gender
0     Alice   25      F
1       Bob   30      M
2   Charlie   35      M
3     David   40      M
4       Bob   30      M

      name  age gender
0    Alice   25      F
1      Bob   30      M
3    David   40      M