Pandas loc函数详解

Pandas loc函数详解

参考：pandas loc function

Pandas 是一个强大的 Python 数据处理库，广泛应用于数据分析和数据科学领域。在处理数据时，经常需要对数据集进行选择、修改或者提取特定的行或列，这时 loc 函数就显得尤为重要。本文将详细介绍 pandas 的 loc 函数的使用方法，并通过多个示例代码来展示其功能。

1. loc函数基础

loc 函数是 pandas 库中用于按标签索引数据的方法。它可以接受单个标签、标签列表、切片、布尔数组等多种形式的输入，用于选择 DataFrame 的行或列。

示例代码1：选择单个行

import pandas as pd

data = {
    'Website': ['pandasdataframe.com', 'example.com', 'test.com'],
    'Visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
result = df.loc[0]
print(result)

Output:

示例代码2：选择多个行

import pandas as pd

data = {
    'Website': ['pandasdataframe.com', 'example.com', 'test.com'],
    'Visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
result = df.loc[[0, 2]]
print(result)

Output:

示例代码3：选择切片

import pandas as pd

data = {
    'Website': ['pandasdataframe.com', 'example.com', 'test.com'],
    'Visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
result = df.loc[0:1]
print(result)

Output:

示例代码4：选择单列

import pandas as pd

data = {
    'Website': ['pandasdataframe.com', 'example.com', 'test.com'],
    'Visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
result = df.loc[:, 'Website']
print(result)

Output:

示例代码5：选择多列

import pandas as pd

data = {
    'Website': ['pandasdataframe.com', 'example.com', 'test.com'],
    'Visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
result = df.loc[:, ['Website', 'Visits']]
print(result)

Output:

2. 使用条件表达式

loc 函数可以结合条件表达式，用于选择满足特定条件的行。

示例代码6：单条件选择

import pandas as pd

data = {
    'Website': ['pandasdataframe.com', 'example.com', 'test.com'],
    'Visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
result = df.loc[df['Visits'] > 900]
print(result)

Output:

示例代码7：多条件选择

import pandas as pd

data = {
    'Website': ['pandasdataframe.com', 'example.com', 'test.com'],
    'Visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
result = df.loc[(df['Visits'] > 900) & (df['Website'] == 'pandasdataframe.com')]
print(result)

Output:

3. 使用 loc 进行赋值

loc 不仅可以用于选择数据，还可以用来修改数据。

示例代码8：修改单个值

import pandas as pd

data = {
    'Website': ['pandasdataframe.com', 'example.com', 'test.com'],
    'Visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
df.loc[0, 'Visits'] = 1200
print(df)

Output:

示例代码9：修改整行数据

import pandas as pd

data = {
    'Website': ['pandasdataframe.com', 'example.com', 'test.com'],
    'Visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
df.loc[0] = ['newsite.com', 1300]
print(df)

Output:

示例代码10：修改整列数据

import pandas as pd

data = {
    'Website': ['pandasdataframe.com', 'example.com', 'test.com'],
    'Visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
df.loc[:, 'Visits'] = [1100, 1600, 900]
print(df)

Output:

4. 使用 loc 进行高级索引

loc 函数的灵活性使其可以进行更复杂的数据选择和修改操作。

示例代码11：选择特定行和列

import pandas as pd

data = {
    'Website': ['pandasdataframe.com', 'example.com', 'test.com'],
    'Visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
result = df.loc[df['Visits'] > 900, ['Website']]
print(result)

Output:

示例代码12：使用切片和条件表达式

import pandas as pd

data = {
    'Website': ['pandasdataframe.com', 'example.com', 'test.com'],
    'Visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
result = df.loc[0:2, df.columns[df.columns != 'Visits']]
print(result)

Output:

5. 总结

loc 函数是 pandas 中非常强大的工具，它提供了多种方式来选择和修改 DataFrame 中的数据。通过上述示例，我们可以看到 loc 在数据处理中的灵活性和实用性。无论是进行简单的行列选择，还是复杂的条件筛选和数据修改，loc 都能提供有效的解决方案。掌握 loc 的使用，将大大提高数据处理的效率和质量。