python pandas.DataFrame.loc函数使用详解
官方函数
DataFrame.loc
Access a group of rows and columns by label(s) or a boolean array.
.loc[] is primarily label based, but may also be used with a boolean array.
# 可以使用label值，但是也可以使用布尔值
- Allowed inputs are: # 可以接受单个的label，多个label的列表，多个label的切片
- A single label, e.g. 5 or ‘a', (note that 5 is interpreted as a label of the index, and never as an integer position along the index). #这里的5不是数值指定的位置，而是label值
- A list or array of labels, e.g. [‘a', ‘b', ‘c'].
slice object with labels, e.g. ‘a':'f'.
Warning: #如果使用多个label的切片，那么切片的起始位置都是包含的
Note that contrary to usual python slices, both the start and the stop are included
- A boolean array of the same length as the axis being sliced, e.g. [True, False, True].
实例详解
一、选择数值
1、生成df
df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
... index=['cobra', 'viper', 'sidewinder'],
... columns=['max_speed', 'shield'])
df
Out[15]:
max_speed shield
cobra 1 2
viper 4 5
sidewinder 7 8
2、Single label. 单个 row_label 返回的Series
df.loc['viper'] Out[17]: max_speed 4 shield 5 Name: viper, dtype: int64
2、List of labels. 列表 row_label 返回的DataFrame
df.loc[['cobra','viper']]
Out[20]:
max_speed shield
cobra 1 2
viper 4 5
3、Single label for row and column 同时选定行和列
df.loc['cobra', 'shield'] Out[24]: 2
4、Slice with labels for row and single label for column. As mentioned above, note that both the start and stop of the slice are included. 同时选定多个行和单个列，注意的是通过列表选定多个row label 时，首位均是选定的。
df.loc['cobra':'viper', 'max_speed'] Out[25]: cobra 1 viper 4 Name: max_speed, dtype: int64
5、Boolean list with the same length as the row axis 布尔列表选择row label
布尔值列表是根据某个位置的True or False 来选定，如果某个位置的布尔值是True，则选定该row
df
Out[30]:
max_speed shield
cobra 1 2
viper 4 5
sidewinder 7 8
df.loc[[True]]
Out[31]:
max_speed shield
cobra 1 2
df.loc[[True,False]]
Out[32]:
max_speed shield
cobra 1 2
df.loc[[True,False,True]]
Out[33]:
max_speed shield
cobra 1 2
sidewinder 7 8
6、Conditional that returns a boolean Series 条件布尔值
df.loc[df['shield'] > 6]
Out[34]:
max_speed shield
sidewinder 7 8
7、Conditional that returns a boolean Series with column labels specified 条件布尔值和具体某列的数据
df.loc[df['shield'] > 6, ['max_speed']]
Out[35]:
max_speed
sidewinder 7
8、Callable that returns a boolean Series 通过函数得到布尔结果选定数据
df
Out[37]:
max_speed shield
cobra 1 2
viper 4 5
sidewinder 7 8
df.loc[lambda df: df['shield'] == 8]
Out[38]:
max_speed shield
sidewinder 7 8
二、赋值
1、Set value for all items matching the list of labels 根据某列表选定的row 及某列 column 赋值
df.loc[['viper', 'sidewinder'], ['shield']] = 50
df
Out[43]:
max_speed shield
cobra 1 2
viper 4 50
sidewinder 7 50
2、Set value for an entire row 将某行row的数据全部赋值
df.loc['cobra'] =10
df
Out[48]:
max_speed shield
cobra 10 10
viper 4 50
sidewinder 7 50
3、Set value for an entire column 将某列的数据完全赋值
df.loc[:, 'max_speed'] = 30
df
Out[50]:
max_speed shield
cobra 30 10
viper 30 50
sidewinder 30 50
4、Set value for rows matching callable condition 条件选定rows赋值
df.loc[df['shield'] > 35] = 0
df
Out[52]:
max_speed shield
cobra 30 10
viper 0 0
sidewinder 0 0
三、行索引是数值
df = pd.DataFrame([[1, 2], [4, 5], [7, 8]], ... index=[7, 8, 9], columns=['max_speed', 'shield']) df Out[54]: max_speed shield 7 1 2 8 4 5 9 7 8
通过 行 rows的切片的方式取多个：
df.loc[7:9] Out[55]: max_speed shield 7 1 2 8 4 5 9 7 8
四、多维索引
1、生成多维索引
tuples = [
... ('cobra', 'mark i'), ('cobra', 'mark ii'),
... ('sidewinder', 'mark i'), ('sidewinder', 'mark ii'),
... ('viper', 'mark ii'), ('viper', 'mark iii')
... ]
index = pd.MultiIndex.from_tuples(tuples)
values = [[12, 2], [0, 4], [10, 20],
... [1, 4], [7, 1], [16, 36]]
df = pd.DataFrame(values, columns=['max_speed', 'shield'], index=index)
df
Out[57]:
max_speed shield
cobra mark i 12 2
mark ii 0 4
sidewinder mark i 10 20
mark ii 1 4
viper mark ii 7 1
mark iii 16 36
2、Single label. 传入的就是最外层的row label，返回DataFrame
df.loc['cobra']
Out[58]:
max_speed shield
mark i 12 2
mark ii 0 4
3、Single index tuple.传入的是索引元组，返回Series
df.loc[('cobra', 'mark ii')]
Out[59]:
max_speed 0
shield 4
Name: (cobra, mark ii), dtype: int64
4、Single label for row and column.如果传入的是row和column，和传入tuple是类似的，返回Series
df.loc['cobra', 'mark i'] Out[60]: max_speed 12 shield 2 Name: (cobra, mark i), dtype: int64
5、Single tuple. Note using [[ ]] returns a DataFrame.传入一个数组，返回一个DataFrame
df.loc[[('cobra', 'mark ii')]]
Out[61]:
max_speed shield
cobra mark ii 0 4
6、Single tuple for the index with a single label for the column 获取某个colum的某row的数据，需要左边传入多维索引的tuple，然后再传入column
df.loc[('cobra', 'mark i'), 'shield']
Out[62]: 2
7、传入多维索引和单个索引的切片：
df.loc[('cobra', 'mark i'):'viper']
Out[63]:
max_speed shield
cobra mark i 12 2
mark ii 0 4
sidewinder mark i 10 20
mark ii 1 4
viper mark ii 7 1
mark iii 16 36
df.loc[('cobra', 'mark i'):'sidewinder']
Out[64]:
max_speed shield
cobra mark i 12 2
mark ii 0 4
sidewinder mark i 10 20
mark ii 1 4
df.loc[('cobra', 'mark i'):('sidewinder','mark i')]
Out[65]:
max_speed shield
cobra mark i 12 2
mark ii 0 4
sidewinder mark i 10 20
到此这篇关于python pandas.DataFrame.loc函数使用详解的文章就介绍到这了,更多相关pandas.DataFrame.loc函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了pycharm如何中导入本地下载好的库问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-08-08
在本篇文章里小编给大家整理的是关于python读取文件指定行内容实例讲解，需要的朋友们可以参考下。2020-03-03
今天小编就为大家分享一篇解决python中使用PYQT时中文乱码问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-06-06
这不是一篇关于Python异常的全面介绍的文章，这只是在学习Python异常后的一篇笔记式的记录和小结性质的文章2013-10-10
这篇文章主要为大家详细介绍一下pandas中处理缺失数据的一些函数，文中具体讲解了一下各个函数的使用，需要的可以参考一下2022-01-01
这篇文章主要介绍了python交易记录整合交易类详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-07-07
appium+python自动化配置(adk、jdk、node.js)
这篇文章主要介绍了appium+python自动化配置(adk、jdk、node.js)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-11-11
python如何使用requests提交post请求并上传文件(multipart/form-data)
这篇文章主要给大家介绍了关于python如何使用requests提交post请求并上传文件(multipart/form-data)的相关资料,Python有许多库支持,它们可以简化HTTP上的数据传输,requests库是最受欢迎的Python包之一,因为它在网络刮削中被大量使用,需要的朋友可以参考下2023-11-11
本文主要介绍了Python函数默认参数设置，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-03-03
这篇文章主要介绍了Python编程之微信推送模板消息功能,结合实例形式分析了Python微信推送消息接口的调用相关操作技巧,需要的朋友可以参考下2017-08-08
最新评论