[Pandas] .at / .iat

정의

• .at[] : 단일 스칼라 (한 행, 한 열) 의 라벨 기반 접근
• .iat[] : 단일 스칼라의 정수 위치 기반 접근

Pandas .loc / .iloc 의 단일 셀 전용 빠른 버전. 내부 검증 단계를 단순화해 가장 빠른 셀 접근을 제공.

사용

import pandas as pd
df = pd.DataFrame(
    {'age': [25, 30], 'salary': [3000, 4500]},
    index=['Alice', 'Bob']
)

df.at['Alice', 'age']     # 25, label 기반
df.iat[0, 0]               # 25, 위치 기반

df.at['Alice', 'age'] = 99
df.iat[0, 0] = 99

.loc / .iloc 와의 차이

루프 안에서 셀을 자주 읽는다면 .at / .iat 이 유의미하게 빠르다.

벤치마크 감

import pandas as pd
import time
​
df = pd.DataFrame({'x': range(100_000)})
​
t1 = time.time()
total = 0
for i in range(100_000):
  total += df.iloc[i, 0]
print(f'iloc loop: {time.time()-t1:.2f}s')
​
t2 = time.time()
total = 0
for i in range(100_000):
  total += df.iat[i, 0]
print(f'iat loop:  {time.time()-t2:.2f}s')
​
t3 = time.time()
total = df['x'].sum()
print(f'sum():     {time.time()-t3:.4f}s')

iloc loop: 2.31s
iat loop:  1.12s
sum():     0.0008s

.iat 가 .iloc 보다 빠르지만, 루프 자체가 비싸다. 벡터 연산 (df['x'].sum()) 이 압도적으로 빠르다.

사용 예

행/열 단일 셀 값 수정

df.at[user_id, 'last_login'] = pd.Timestamp.now()
df.iat[-1, df.columns.get_loc('status')] = 'DONE'

마지막 행의 특정 컬럼

df.iat[-1, df.columns.get_loc('value')]

함정

1. 슬라이스 / 리스트 불가

df.at['Alice':'Bob', 'age']    # ❌ TypeError
df.loc['Alice':'Bob', 'age']   # ✓

여러 셀이 필요하면 .loc / .iloc.

2. 존재하지 않는 라벨 → KeyError

df.at['Unknown', 'age']    # KeyError

.loc 도 같다, 하지만 .at 은 더 엄격하게 즉시 throw.

3. dtype 변경

df.iat[0, 0] = 'hello'     # int 컬럼에 str 할당, 컬럼 dtype 이 object 로 변경됨

참고

• Pandas DataFrame
• Pandas .loc / .iloc
• Pandas 컬럼 선택