看起来这是一个非常简单的问题...但我却没有看到我期望的简单答案。
那么，在 Pandas 中，如何获取给定列的第 n 行的值呢？（我特别感兴趣的是第一行，但也想了解更通用的做法。）
例如，假设我想将 Btime 中的 1.2 值作为变量提取出来。
哪种方法是正确的呢？
>>> df_test
ATime X Y Z Btime C D E
0 1.2 2 15 2 1.2 12 25 12
1 1.4 3 12 1 1.3 13 22 11
2 1.5 1 10 6 1.4 11 20 16
3 1.6 2 9 10 1.7 12 29 12
4 1.9 1 1 9 1.9 11 21 19
5 2.0 0 0 0 2.0 8 10 11
6 2.4 0 0 0 2.4 10 12 15
要选择第 i 行，使用 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
要选择Btime列中的第i个值，你可以使用：
In [30]: df_test['Btime'].iloc[0]
Out[30]: 1.2
df_test['Btime'].iloc[0]（推荐）和df_test.iloc[0]['Btime']之间存在差异：DataFrames以列为基础块存储数据（每个块具有单个dtype）。如果您首先按列选择，则可能返回视图（比返回副本更快），并且原始dtype得到保留。相反，如果您首先按行选择，并且DataFrame具有不同dtype的列，则Pandas会将数据复制到新的对象dtype系列中。因此，选择列比选择行稍快。因此，尽管df_test.iloc[0]['Btime']有效，但df_test['Btime'].iloc[0]更加高效。
在分配方面，两者之间存在很大差异。df_test['Btime'].iloc[0] = x会影响df_test，但df_test.iloc[0]['Btime']可能不会。请参见下面的解释。由于索引顺序的微小差异会导致行为上的重大差异，因此最好使用单个索引分配：
df.iloc[0, df.columns.get_loc('Btime')] = x
df.iloc[0, df.columns.get_loc('Btime')] = x（推荐）：向DataFrame分配新值的推荐方法是避免链式索引，而是使用andrew所示的方法。
df.loc[df.index[n], 'Btime'] = x
或者
df.iloc[n, df.columns.get_loc('Btime')] = x
df.loc 需要将行和列标签转换为位置索引，如果使用 df.iloc，则需要进行的转换较少。
df['Btime'].iloc[0] = x 能够运行，但不建议使用：虽然这个方法可以运行，但它利用了DataFrame当前的实现方式。未来Pandas并不保证一定会继续这样工作。特别地，它利用了当前的df['Btime']总是返回视图（而不是副本）的事实，因此可以使用df['Btime'].iloc[n] = x在df的Btime列的第n个位置上赋值一个新值。
由于Pandas没有明确保证索引器何时返回视图而不是副本，因此即使在这种情况下赋值成功修改了df，使用链式索引的赋值通常仍会引发SettingWithCopyWarning警告：
In [22]: df = pd.DataFrame({'foo':list('ABC')}, index=[0,2,1])
In [24]: df['bar'] = 100
In [25]: df['bar'].iloc[0] = 99
/home/unutbu/data/binky/bin/ipython:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame
See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
self._setitem_with_indexer(indexer, value)
In [26]: df
Out[26]:
foo bar
0 A 99 <-- assignment succeeded
2 B 100
1 C 100
df.iloc[0]['Btime'] = x 不起作用：相反，使用 df.iloc[0]['bar'] = 123 进行赋值也不起作用，因为 df.iloc[0] 返回的是一个副本：
In [66]: df.iloc[0]['bar'] = 123
/home/unutbu/data/binky/bin/ipython:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame
See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
In [67]: df
Out[67]:
foo bar
0 A 99 <-- assignment failed
2 B 100
1 C 100
警告: 我之前建议使用 df_test.ix[i, 'Btime']。但是这不能保证给出第i行的值，因为ix会先尝试按标签进行索引，然后再尝试按位置进行索引。所以，如果DataFrame具有未从0开始排序的整数索引，则使用ix[i]将返回标记为i的行，而不是第i行。例如，
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'
另一种方法是这样的：
first_value = df['Btime'].values[0]
采用这种方式似乎比使用 .iloc 更快：
In [1]: %timeit -n 1000 df['Btime'].values[20]
5.82 µs ± 142 ns per loop (mean ± std. dev. of 7 runs, 1000 loops each)
In [2]: %timeit -n 1000 df['Btime'].iloc[20]
29.2 µs ± 1.28 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
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)
另一种同时适用于设置和获取的方法是：
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
df.iloc[0].head(1) - 从整个第一行中仅获取第一个数据集。df.iloc[0] - 获取整个第一行的数据。通常情况下，如果你想从 pandas dataframe 中选择第一个N行的J列，最好的方法是：
data = dataframe[0:N][:,J]
data = dataframe[0:1][:]，就可以正常工作。有什么想法吗？ - MrR.iat和.at是获取和设置单个值的方法，比.iloc和.loc快得多。Mykola Zotko在他们的回答中指出了这一点，但他们没有充分利用.iat。
当我们可以使用.iat或.at时，我们应该只需要一次索引数据框。
这不太好：
df['Btime'].iat[0]
这样做并不理想，因为'Btime'列首先被选为一个series，然后使用.iat作为该series的索引。
以下两种选项是最佳的：
df.iat[0, 4] # get the value in the zeroth row, and 4th column
df.at[0, 'Btime'] # get the value where the index label is 0 and the column name is "Btime".
这两种方法都返回值 1.2。
df[['test']].values[0][0]
只有df[['test']].values[0]会返回一个数组
获取第一行并保留索引的另一种方法：
x = df.first('d') # Returns the first day. '3d' gives first three days.
at是访问标量值的最快方法，例如OP中的用例（已由Alex在此页面上建议）。df.index（因为数据框索引是建立在numpy数组上的，所以可以像数组一样对它们进行索引），或者调用get_loc()在列上获取整数位置。df.at[df.index[0], 'Btime']
df.iat[0, df.columns.get_loc('Btime')]
0 1.2
Name: Btime, dtype: float64
你可以使用squeeze()来获取标量值，即
df.loc[df['Btime']<1.3, 'Btime'].squeeze()
df_test.iloc[0]['Btime']可行，但df_test.iloc['Btime'][0]更加高效。 - unutbu