Python 从表中的列中提取单个值

我有一个关于提取单个列值的简单问题

df = DataFrame({'A' : [15,56,23,84], 'B' : [10,20,33,25]})
df

     A    B
0    15   10
1    56   20
2    23   33
3    84   55

x = df[df['A'] == 23]
x

输出

    A    B
2  23    33

---

但是，我只想得到B列中的值，即33。我如何得到它？

简单地说：

df['B'][df['A']==23]

谢谢@Jeff

速度比较：

In [30]:

%timeit df['B'][df['A'] == 23].values
1000 loops, best of 3: 813 µs per loop
In [31]:

%timeit df.loc[df['A'] == 23, 'B']
1000 loops, best of 3: 976 µs per loop

---

我更喜欢的方法是Jeff使用loc（通常避免复制副本是一种很好的做法，特别是如果您以后可能会做作业的话）

通过不为布尔掩码创建系列，只创建一个numpy数组，您可以获得更高的性能：

df = pd.DataFrame(np.random.randint(1, 100, 2000).reshape(-1, 2),
                  columns=list('AB'))

In [21]: %timeit df.loc[df.A == 23, 'B']
1000 loops, best of 3: 532 µs per loop

In [22]: %timeit df['B'][df.A == 23]
1000 loops, best of 3: 432 µs per loop

In [23]: %timeit df.loc[df.A.values == 23, 'B']  # preferred
1000 loops, best of 3: 294 µs per loop

In [24]: %timeit df['B'].loc[df.A.values == 23]
1000 loops, best of 3: 197 µs per loop

我不确定这为什么这么慢，也许这个用例可以改进。。。？（我不知道额外的100美元花在哪里了）

但是，如果您只对B的值感兴趣，而不是对其对应的索引（和子帧）感兴趣，那么直接使用numpy数组会快得多：

In [25]: %timeit df.B.values[df.A.values == 23]
10000 loops, best of 3: 60.3 µs per loop

---

谢谢，现在我得到：233。有没有办法只获取我需要的值，即33？

df['B'][df['a']==23]。值

如果你不介意一个

numpy

标量

，它必须是普通的

浮点

？我认为这样更好，如果你有多个值，返回的将是a

numpy

array

。不要使用链式索引，而是：

df.loc[df['a']==23，'B']

；也就是说，您可以设置一个简单的浮点值（如果您尝试查看，上面会显示一个警告），但这似乎也很有效。我只做df['B'][df['A']==23]。值[0]或杰夫的方法：df.loc[df['A']==23，'B']。值[0]@Jeff，你的方法快吗？数据帧越大，差异就越小。。。100us似乎是相当恒定的。非常感谢您的详细分析，在您的上一个示例中，df.B.values[df.A.values==23]，是否有任何方法可以将“B”替换为变量？我的列名是在运行时计算的。在其他方法中，我可以使用变量名，但在您的上一个示例中（由于其速度原因，我想使用它）。@user308827是的，您肯定可以使用df['B']表示法，因此如果

A='A'

和

B='B'

您可以执行：

df[B].values[df[A].values==23]

。