### 高效修改 Pandas DataFrame 指定行值的方法 在 Pandas 中，高效地修改 DataFrame 的指定行值可以通过以下几种方法实现： #### 方法一：使用 `loc` 函数 `loc` 函数允许通过标签索引定位并修改指定行的值。这种方法适用于基于行标签和列标签进行精确修改的情况。 ```python import pandas as pd data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35], 'City': ['New York', 'London', 'Paris']} df = pd.DataFrame(data) # 修改行标签为1的'Age'列值为32 df.loc[1, 'Age'] = 32 # 使用 loc 函数修改指定行和列的值[^4] print(df) ``` #### 方法二：使用 `iloc` 函数 `iloc` 函数允许通过整数位置索引定位并修改指定行的值。这种方法适用于基于行号和列号进行修改的情况。 ```python # 修改第2行（索引从0开始）的'City'列值为'Tokyo' df.iloc[1, 2] = 'Tokyo' # 使用 iloc 函数修改指定行和列的值[^4] print(df) ``` #### 方法三：使用布尔索引 如果需要根据条件修改某些行的值，可以使用布尔索引来实现。 ```python # 将所有年龄大于30的行的'City'列值改为'Beijing' df.loc[df['Age'] > 30, 'City'] = 'Beijing' # 使用布尔索引批量修改满足条件的行[^4] print(df) ``` #### 方法四：使用 `at` 和 `iat` 函数 对于单个单元格的高效修改，可以使用 `at` 和 `iat` 函数。这些函数比 `loc` 和 `iloc` 更快，因为它们直接访问底层数据结构。 ```python # 使用 at 函数快速修改指定单元格的值 df.at[2, 'Name'] = 'David' # 使用 at 函数快速修改指定单元格的值[^4] # 使用 iat 函数快速修改指定单元格的值 df.iat[2, 1] = 40 # 使用 iat 函数快速修改指定单元格的值[^4] print(df) ``` #### 方法五：使用 `apply` 函数 如果需要对整个 DataFrame 的行应用复杂的修改逻辑，可以使用 `apply` 函数。 ```python # 使用 apply 函数对每一行应用自定义修改逻辑 df['Age'] = df.apply(lambda row: row['Age'] + 5 if row['City'] == 'Beijing' else row['Age'], axis=1) # 使用 apply 函数修改特定行的值 print(df) ``` ### 注意事项 - 在修改 DataFrame 的值时，确保索引和列名正确无误，否则可能导致错误或意外结果。 - 如果需要修改多行或多列的值，可以结合布尔索引和赋值操作实现。 - 对于大规模数据集，优先选择 `at` 和 `iat` 函数以提高性能。