Python loc函数用法

Python loc函数用法

在 Pandas 中，loc 函数是一种基于标签的索引方式，用来选择指定行和列的数据。它可以根据行标签和列标签来实现数据的筛选和截取。

语法

DataFrame.loc[row_indexer, column_indexer]

• row_indexer： 行标签或标签列表，用于选择特定的行数据。
• column_indexer： 列标签或标签列表，用于选择特定的列数据。

示例数据

首先，让我们创建一个示例数据集来演示 loc 函数的使用。

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [25, 30, 35, 40, 45],
    'Gender': ['F', 'M', 'M', 'M', 'F'],
    'City': ['NY', 'LA', 'SF', 'CHI', 'BOS']
}

df = pd.DataFrame(data)
df.set_index('Name', inplace=True)

print(df)

输出：

         Age Gender City
Name                    
Alice     25      F   NY
Bob       30      M   LA
Charlie   35      M   SF
David     40      M  CHI
Eve       45      F  BOS

使用 loc 函数进行数据筛选

选择指定行和列

使用 loc 函数可以通过行标签和列标签来选择指定的数据。

print(df.loc['Bob', 'Age'])

输出：

30

选择多行和多列

我们也可以使用 loc 函数选择多行和多列的数据。

print(df.loc[['Bob', 'Charlie'], ['Age', 'City']])

输出：

         Age City
Name            
Bob       30   LA
Charlie   35   SF

选择所有行和特定列

如果想选择所有行但只选择特定列，可以使用冒号 : 代表所有行。

print(df.loc[:, 'Age'])

输出：

Name
Alice      25
Bob        30
Charlie    35
David      40
Eve        45
Name: Age, dtype: int64

使用条件筛选

我们还可以结合条件来筛选数据。

print(df.loc[df['Age'] > 35])

输出：

       Age Gender City
Name                  
David   40      M  CHI
Eve     45      F  BOS

总结

通过本文的介绍，我们学习了如何使用 Pandas 中的 loc 函数来选择指定的行和列数据。loc 函数是一种非常灵活和便捷的数据筛选方法，能够满足我们各种数据分析的需求。在实际应用中，结合 loc 函数和条件筛选可以更加精确地找到我们需要的数据，提高数据处理的效率和准确性。