python pandas.DataFrame.loc函数使用详解

下面是详细讲解"pythonpandas.DataFrame.loc函数使用详解"的完整攻略。

1. 什么是pandas.DataFrame.loc函数

pandas是一个基于NumPy的Python开源数据分析库，提供了高效的数据结构DataFrame。DataFrame是一种二维表格，其中的每一列可以是不同的数据类型（整数、浮点数、字符串等），它类似于电子表格或SQL表。pandas.DataFrame.loc函数是DataFrame的一种方法，它是用于基于标签或布尔索引选择行和列的。

2. pandas.DataFrame.loc函数的参数

DataFrame.loc[]

上面的代码中，DataFrame是指需要操作的二维表。loc[]的中括号中包含两个参数：行的标签和列的标签。

行的标签

行的标签是一个字符串或一个整数，表示需要操作的行的位置。有三种方式可以选取DataFrame中的行：

• 单个标签：使用一个单独的标签来选取一行。
• 标签列表：使用一个标签列表来选取多行。
• 切片对象：使用一个切片对象选取多行。

列的标签

列的标签也是一个字符串或一个整数，表示需要操作的列的位置。有两种方式可以选取DataFrame中的列：

• 单个标签：使用一个单独的标签来选取一列。
• 标签列表：使用一个标签列表来选取多列。

3. pandas.DataFrame.loc函数的示例

下面给出两个示例来说明pandas.DataFrame.loc函数的使用方法。

3.1 示例一：选取指定行和列

假设有一个如下所示的DataFrame。

import pandas as pd

data = {
    'Name': ['Tom', 'Jerry', 'Mike', 'Amy', 'Lucy', 'Jack'],
    'Age': [25, 30, 27, 35, 24, 28],
    'Gender': ['Male', 'Male', 'Male', 'Female', 'Female', 'Male'],
    'Score': [80, 90, 85, 75, 95, 90],
    'Rank': [3, 1, 2, 5, 1, 2]
}

df = pd.DataFrame(data)

这是一个包含姓名、年龄、性别、成绩和排名的DataFrame，可以使用pandas.DataFrame.loc函数来选取指定的行和列。

# 选取第2、3行，包括姓名、年龄、成绩和排名4列
df.loc[2:3, ['Name', 'Age', 'Score', 'Rank']]

结果如下：

Name	Age	Score	Rank
Mike	27	85	2
Amy	35	75	5

3.2 示例二：基于布尔索引选择行和列

假设有一个如下所示的DataFrame。

import pandas as pd
import numpy as np

rng = np.random.RandomState(25)
df = pd.DataFrame({'A': rng.rand(5),
                   'B': rng.rand(5),
                   'C': rng.rand(5)})

这是一个包含三列随机数的DataFrame，可以使用pandas.DataFrame.loc函数基于布尔索引选择行和列。

# 选取所有行和列A、B中大于0.5的数据
df.loc[df[['A', 'B']] > 0.5]

结果如下：

A	B
0.97	0.57

这个结果说明了选取了所有行和A、B列中大于0.5的数据。

4. pandas.DataFrame.loc函数的注意事项

使用pandas.DataFrame.loc函数时需要注意以下事项：

• 选取的行和列先行后列，即先选取行再选取列。
• 使用行的标签时，选取的是这个标签对应的行。如果行标签为整数，选取的是这个整数对应的行，而不是行的位置。
• 使用列的标签时，选取的是这个标签对应的列。如果列标签为整数，选取的是这个整数对应的列，而不是列的位置。