【Pandas】pandas DataFrame loc
Pandas2.2 DataFrame
Indexing, iteration
| 方法 | 描述 |
|---|---|
| DataFrame.head([n]) | 用于返回 DataFrame 的前几行 |
| DataFrame.at | 快速访问和修改 DataFrame 中单个值的方法 |
| DataFrame.iat | 快速访问和修改 DataFrame 中单个值的方法 |
| DataFrame.loc | 用于基于标签（行标签和列标签）来访问和修改 DataFrame 中的数据 |
pandas.DataFrame.loc
pandas.DataFrame.loc 是一个强大的数据选择工具，用于基于标签（行标签和列标签）来访问和修改 DataFrame 中的数据。loc 方法允许你使用标签来选择单个元素、行、列或子集。
语法
DataFrame.loc[row_label, column_label]
参数
row_label: 行标签，可以是单个标签、标签列表、切片对象、布尔数组或布尔条件。column_label: 列标签，可以是单个标签、标签列表、切片对象、布尔数组或布尔条件。
示例
假设我们有一个 DataFrame 如下：
import pandas as pd
data = {
'A': [1, 2, 3],
'B': [4, 5, 6],
'C': [7, 8, 9]
}
df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])
print(df)
输出：
A B C
row1 1 4 7
row2 2 5 8
row3 3 6 9
访问单个元素
使用 loc 方法访问 row2 行和 B 列的元素：
value = df.loc['row2', 'B']
print(value)
输出：
5
访问单行
使用 loc 方法访问 row2 行的所有列：
row = df.loc['row2']
print(row)
输出：
A 2
B 5
C 8
Name: row2, dtype: int64
访问多行和多列
使用 loc 方法访问 row1 和 row3 行以及 A 和 C 列：
subset = df.loc[['row1', 'row3'], ['A', 'C']]
print(subset)
输出：
A C
row1 1 7
row3 3 9
使用布尔条件
使用 loc 方法访问 A 列中值大于 1 的行：
filtered = df.loc[df['A'] > 1]
print(filtered)
输出：
A B C
row2 2 5 8
row3 3 6 9
修改单个元素
使用 loc 方法将 row1 行和 A 列的元素修改为 10：
df.loc['row1', 'A'] = 10
print(df)
输出：
A B C
row1 10 4 7
row2 2 5 8
row3 3 6 9
修改多行和多列
使用 loc 方法将 row1 和 row3 行以及 A 和 C 列的元素修改为 0：
df.loc[['row1', 'row3'], ['A', 'C']] = 0
print(df)
输出：
A B C
row1 0 4 0
row2 2 5 8
row3 0 6 0
总结
pandas.DataFrame.loc 提供了一种灵活且强大的方式来基于标签选择和修改 DataFrame 中的数据。它适用于需要使用行标签和列标签进行复杂选择和操作的场景。