如何无需使用.to_list()[0]从(1,1)型pandas DataFrame提取单个值？

针对你提到的从过滤后的DataFrame/Series中提取单个值的需求，有几种比.to_list()[0]更简洁、高效的方法：

方法1：使用.iloc[0] #

直接通过位置索引获取Series的第一个元素，写法简洁，适合明确结果只有单个元素的场景：

# 分步写法
row_of_interest = df.loc[(df['col1'] == 'a') & (df['col2'] > 11)]
column_and_row_of_interest = row_of_interest['col3']
value_of_interest = column_and_row_of_interest.iloc[0]

# 合并写法
value_of_interest = df.loc[(df['col1'] == 'a') & (df['col2'] > 11)]['col3'].iloc[0]

方法2：使用.values[0] #

提取Series的numpy数组表示，再取第一个元素，性能表现不错：

value_of_interest = column_and_row_of_interest.values[0]

# 合并写法
value_of_interest = df.loc[(df['col1'] == 'a') & (df['col2'] > 11)]['col3'].values[0]

方法3：使用.item() #

这是专门为单个元素设计的方法，安全性更高——如果过滤后结果不是单个元素（比如意外得到多行），会直接抛出错误，避免隐式的索引问题；同时返回原生Python类型（如int/float），而非numpy类型：

value_of_interest = column_and_row_of_interest.item()

# 合并写法
value_of_interest = df.loc[(df['col1'] == 'a') & (df['col2'] > 11), 'col3'].item()

额外优化：直接在loc中指定列 #

你可以把列名直接放在loc的第二个参数里，省去单独取列的步骤，代码更紧凑：

value_of_interest = df.loc[(df['col1'] == 'a') & (df['col2'] > 11), 'col3'].item()

内容的提问来源于stack exchange，提问作者Nathan Bevan