极客教程pandas loc 详细介绍
参考：pandas loc
Pandas 是一个强大的 Python 数据分析工具库，它提供了大量的功能来处理和分析数据。其中，loc 方法是用于数据选择和修改的重要工具之一。本文将详细介绍 loc 方法的使用方式，包括基本的数据选择、条件筛选、赋值操作等，并通过多个示例代码来展示其应用。
1. 基本概念
在 pandas 中，DataFrame 是一种表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame 可以被看作是由共享相同索引的 Series 组成的字典。
loc 属性是用来访问 DataFrame 中的特定数据。loc 使用行标签和列标签来定位数据，这是它与 iloc 的主要区别，后者使用行和列的整数索引来进行数据访问。
2. 使用 loc 选择数据
示例代码 1：选择单个行
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
result = df.loc['pandasdataframe.com1']
print(result)
Output:
示例代码 2：选择多个行
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
result = df.loc[['pandasdataframe.com1', 'pandasdataframe.com3']]
print(result)
Output:
示例代码 3：选择行和列
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
result = df.loc['pandasdataframe.com2', 'Age']
print(result)
Output:
示例代码 4：选择多行和多列
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
result = df.loc[['pandasdataframe.com1', 'pandasdataframe.com3'], ['Name', 'Age']]
print(result)
Output:
示例代码 5：切片行
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
result = df.loc['pandasdataframe.com1':'pandasdataframe.com3']
print(result)
Output:
3. 使用 loc 进行条件筛选
示例代码 6：单条件筛选
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
result = df.loc[df['Age'] > 30]
print(result)
Output:
示例代码 7：多条件筛选
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
result = df.loc[(df['Age'] > 25) & (df['Name'] == 'Bob')]
print(result)
Output:
示例代码 8：使用 isin 方法筛选
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
result = df.loc[df['Name'].isin(['Alice', 'Charlie'])]
print(result)
Output:
4. 使用 loc 进行赋值
示例代码 9：修改单个值
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
df.loc['pandasdataframe.com1', 'Age'] = 26
print(df)
Output:
示例代码 10：修改整行数据
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
df.loc['pandasdataframe.com2'] = ['Robert', 32]
print(df)
Output:
示例代码 11：修改多行数据
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
df.loc[df['Age'] > 25, 'Age'] = [31, 36]
print(df)
Output:
5. 使用 loc 添加新行
示例代码 12：添加单个新行
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
df.loc['pandasdataframe.com4'] = ['David', 40]
print(df)
Output:
示例代码 13：添加多个新行
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
new_rows = pd.DataFrame({'Name': ['Eve', 'Frank'], 'Age': [28, 33]}, index=['pandasdataframe.com4', 'pandasdataframe.com5'])
df = pd.concat([df, new_rows])
print(df)
Output:
6. 使用 loc 删除数据
示例代码 14：删除行
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
df = df.drop('pandasdataframe.com1')
print(df)
Output:
示例代码 15：条件删除行
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
df = df.loc[df['Age'] != 30]
print(df)
Output:
7. 使用 loc 进行复杂的数据操作
示例代码 16：使用 loc 进行复合操作
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
df.loc['pandasdataframe.com1', 'Age'] = 26
df.loc['pandasdataframe.com3', 'Name'] = 'Chuck'
print(df)
Output:
示例代码 17：使用 loc 与 lambda 函数
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
df.loc[:, 'Age'] = df.loc[:, 'Age'].apply(lambda x: x + 1)
print(df)
Output:
示例代码 18：使用 loc 进行行列同时筛选和赋值
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
df.loc[df['Age'] > 25, 'Name'] = 'Senior'
print(df)
Output:
示例代码 19：使用 loc 对 DataFrame 进行排序后选择
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [35, 25, 30]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
df_sorted = df.sort_values(by='Age')
result = df_sorted.loc['pandasdataframe.com1':'pandasdataframe.com2']
print(result)
Output:
示例代码 20：使用 loc 进行复杂条件筛选
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data, index=['pandasdataframe.com1', 'pandasdataframe.com2', 'pandasdataframe.com3'])
result = df.loc[(df['Age'] > 25) & (df['Name'].str.startswith('C'))]
print(result)
Output:
总结
本文详细介绍了 pandas 的 loc 方法，展示了其在数据选择、修改、赋值以及删除等方面的强大功能。通过多个示例代码，我们可以看到 loc 方法在数据处理中的灵活性和实用性。掌握 loc 方法，将有助于我们更高效地进行数据分析和数据处理任务。