设置python中切片中第一项的值

因此，我想创建一个数据帧片段，然后设置该片段中第一个项目的值，而不复制数据帧。例如：

df = pandas.DataFrame(numpy.random.rand(3,1))
df[df[0]>0][0] = 0

这里的切片是不相关的，仅用于示例，它将再次返回整个数据帧。重点是，通过像示例中那样操作，您可以获得一个带有复制警告的设置（可以理解）。我还尝试过先进行切片，然后使用ILOC/IX/LOC，再使用ILOC两次，例如：

df.iloc[df[0]>0,:][0] = 0
df[df[0]>0,:].iloc[0] = 0

这两种方法都不管用。再一次-我不想复制数据帧，即使它只是切片版本

编辑： 似乎有两种方法，使用掩码或IdxMax。如果索引是唯一的，则IdxMax方法似乎有效，如果不是唯一的，则掩码方法有效。在我的例子中，索引不是唯一的，我在最初的文章中忘记提到了这一点。

我认为您可以使用get index of first

True

值，然后通过以下方式设置：

---

编辑：

非唯一索引的解决方案：

np.random.seed(1)
df = pd.DataFrame(np.random.randint(4, size=(5,1)), index=[1,2,2,3,4])
print (df)
   0
1  1
2  3
2  0
3  0
4  3

df = df.reset_index()
df.loc[(df[0] == 3).idxmax(), 0] = 200
df = df.set_index('index')
df.index.name = None
print (df)
     0
1    1
2  200
2    0
3    0
4    3

编辑1：

使用

多索引的解决方案

：

np.random.seed(1)
df = pd.DataFrame(np.random.randint(4, size=(5,1)), index=[1,2,2,3,4])
print (df)
   0
1  1
2  3
2  0
3  0
4  3

df.index = [np.arange(len(df.index)), df.index]
print (df)
     0
0 1  1
1 2  3
2 2  0
3 3  0
4 4  3

df.loc[(df[0] == 3).idxmax(), 0] = 200
df = df.reset_index(level=0, drop=True)

print (df)
     0
1    1
2  200
2    0
3    0
4    3

编辑2：

解决方案具有双重功能：

---

考虑数据帧

df

df = pd.DataFrame(dict(A=[1, 2, 3, 4, 5]))

print(df)

   A
0  1
1  2
2  3
3  4
4  5

---

创建一些任意切片

slc

slc = df[df.A > 2]

print(slc)

   A
2  3
3  4
4  5

---

使用

索引[0]

和

loc

df.loc[slc.index[0]] = 0
print(df)

   A
0  1
1  2
2  0
3  4
4  5

在此方法中，不会创建数据帧的额外副本，但会引入一个额外列，该列可以在处理后删除。要选择任何索引而不是第一个索引，可以按如下方式更改最后一行

df.loc[df[df['b']==0].index.tolist()[n],'a']=0

更改切片中任何第n项的步骤

df

切片和贴标签后的df

          a  b
1  0.111089  0
2  0.255633  0
2  0.332682  0
3  0.434527  0
3  0.730548  1
3  0.844724  1

将切片中第一项的值（标记为0）更改为0后

---

因此，使用一些答案，我设法找到了一种简单的方法：

np.random.seed(1)
df = pd.DataFrame(np.random.randint(4, size=(5,1)))
print df
   0
0  1
1  3
2  0
3  0
4  3
df.loc[(df[0] == 0).cumsum()==1,0] = 1
   0
0  1
1  3
2  1
3  0
4  3

---

本质上，这是使用与累积数内联的掩码。

如果第二个7不直接位于第一个7之后，也就是说，如果布尔数组上的

cumsum

的结果将有几个

1

s？@juanpa.arrivillaga-谢谢，你是对的。给我一秒钟，我认为最可靠的方法，而且只有在索引唯一的情况下才可靠，就是从切片中获取索引，然后从索引中获取第一个值，并在原始帧上使用该值进行设置。啊，

idxmax

，非常非常聪明@RexFuzzle-是的，如果不是连续值，它也可以工作，请参阅第二个不同条件的解决方案。我希望不要复制df的任何部分，因为它很大，甚至切片可能相当大。@RexFuzzle您说切片是任意的，我假设已经存在。从该片中，我获取第一个索引值并使用它修改原始的

df

。我认为类似

df.loc[slice，另一个\u片]

的内容应该比

df.loc[slice].loc[：，另一个\u片]

更少占用内存。这可以同时对行和列进行切片，但在不同的条件下似乎不可能按行进行切片。实际上我不确定，也许我心里想的没有道理。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(6,1),index=[1,2,2,3,3,3])
df[1] = 0
df.columns=['a','b']
df['b'][df['a']>=0.5]=1
df=df.sort(['b','a'],ascending=[0,1])
df.loc[df[df['b']==0].index.tolist()[0],'a']=0

df.loc[df[df['b']==0].index.tolist()[n],'a']=0

          a  
1  0.111089  
2  0.255633  
2  0.332682  
3  0.434527  
3  0.730548  
3  0.844724  

          a  b
1  0.111089  0
2  0.255633  0
2  0.332682  0
3  0.434527  0
3  0.730548  1
3  0.844724  1

          a  b
3  0.730548  1
3  0.844724  1
1  0.000000  0
2  0.255633  0
2  0.332682  0
3  0.434527  0

np.random.seed(1)
df = pd.DataFrame(np.random.randint(4, size=(5,1)))
print df
   0
0  1
1  3
2  0
3  0
4  3
df.loc[(df[0] == 0).cumsum()==1,0] = 1
   0
0  1
1  3
2  1
3  0
4  3