loc
通过标签或布尔数组访问一组行和列。
.loc[] 主要基于标签，但也可以与布尔数组一起使用。
允许的输入为：
- 单个标签，例如’a’，
- 标签列表或数组，例如。[‘a’, ‘b’, ‘c’]
- 带有标签的切片对象，例如’a’:‘f’。
- 与切片轴长度相同的布尔数组，例如。[True, False, True]
- 可对齐的布尔系列。遮罩之前，键的索引将对齐。
- 可对齐索引。返回的选择的索引将作为输入。
获取单行
为了获取当行，只需要利用行号就能够获取，
1 2 3 4 5 6 7 | >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],... index=['cobra', 'viper', 'sidewinder'],... columns=['max_speed', 'shield'])>>> print(df.loc["viper"])max_speed 4shield 5Name: viper, dtype: int64 |
获取特定的几行
- 可以将多个行号组成一个list，然后作为参数输入进去
1 2 3 4 5 6 7 | >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],... index=['cobra', 'viper', 'sidewinder'],... columns=['max_speed', 'shield'])>>> print(df.loc[["cobra",'sidewinder']]) max_speed shieldcobra 1 2sidewinder 7 8 |
- 利用切片获取多个连续的行
在利用切片时，也需要使用label进行切片，否则pandas不会识别
1 2 3 4 5 6 7 | >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],... index=['cobra', 'viper', 'sidewinder'],... columns=['max_speed', 'shield'])>>> print(df.loc[ 'viper': 'sidewinder']) max_speed shieldviper 4 5sidewinder 7 8 |
获取特定行和列
1 2 3 4 5 | >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],... index=['cobra', 'viper', 'sidewinder'],... columns=['max_speed', 'shield'])>>> print(df.loc[ 'viper','shield'])5 |
也可以通过切片和列组合，获取特定的数值
1 2 3 4 5 6 7 | >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],... index=['cobra', 'viper', 'sidewinder'],... columns=['max_speed', 'shield'])>>> print(df.loc['viper': 'sidewinder',:]) max_speed shieldviper 4 5sidewinder 7 8 |
通过bool值进行选择
1 2 3 4 5 6 | >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],... index=['cobra', 'viper', 'sidewinder'],... columns=['max_speed', 'shield'])>>> df.loc[[False, False, True]] max_speed shieldsidewinder 7 8 |
通过条件进行选择获取
通过条件获取，时间也是通过bool获取的一种特例，
1 2 3 4 5 6 | >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],... index=['cobra', 'viper', 'sidewinder'],... columns=['max_speed', 'shield'])>>> df.loc[df['shield'] > 6] max_speed shieldsidewinder 7 8 |
通过下面的结果，我们可以看出，通过条件获取后是一个对象，该对象的值就是一个bool列表，通过条件获取就是通过这个bool列表进行获取
1 2 3 4 5 | >>> s = df['shield'] > 6>>> type(s)>>> s.valuesarray([False, False, True]) |
通过回调函数获取
1 2 3 4 5 6 | >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],... index=['cobra', 'viper', 'sidewinder'],... columns=['max_speed', 'shield'])>>> df.loc[lambda df: df['shield'] == 8] max_speed shieldsidewinder 7 8 |
对数值进行修改
这里主要讲的是对数值的修改是永久性的，
1 2 3 4 5 6 7 8 9 | >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],... index=['cobra', 'viper', 'sidewinder'],... columns=['max_speed', 'shield'])>>> df.loc[['viper', 'sidewinder'], ['shield']] = 50>>> df max_speed shieldcobra 1 2viper 4 50sidewinder 7 50 |
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持IT俱乐部。
