Python | 熊猫系列.loc

简介

.loc 是 Pandas 用于选择行和列的功能之一，它是通过标签来选择的。

这个功能在数据分析中非常有用，可以帮助你快速地访问和操作 DataFrame 中的数据。

本文将教你如何使用 Pandas 中的 .loc 属性，以及如何在实际项目中应用它。

使用方法

.loc 属性可以通过标签或布尔值选择 Pandas DataFrame 中的行和列。

选择行

使用 .loc 可以轻松访问 DataFrame 中的行数据。以下是一个简单的例子：

import pandas as pd

df = pd.read_csv('data.csv', index_col='id')

# 获取 id 为 1 的行
row = df.loc[1]

print(row)

输出：

name      Mike
age         29
gender       M
score       83
Name: 1, dtype: object

选择列

我们可以通过访问列名，使用 .loc 访问 Dataframe 中的特定列。以下是一个例子：

import pandas as pd

df = pd.read_csv('data.csv', index_col='id')

# 获取名为 name 的列
col = df.loc[:, 'name']

print(col)

输出：

id
1      Mike
2      Jane
3     Billy
4    Justin
5     Chris
Name: name, dtype: object

选择特定行和列

在 .loc 中同时使用行和列可以选择特定的数据。

import pandas as pd

df = pd.read_csv('data.csv', index_col='id')

# 获取 id 为 1 的行和 score 列
data = df.loc[1, 'score']

print(data)

输出：

83

使用切片选择多行和列

使用切片操作可以选择 DataFrame 中的多行和列。以下是一个例子：

import pandas as pd

df = pd.read_csv('data.csv', index_col='id')

# 获取 id 为 1 至 3 的行和 name 列至 score 列
data = df.loc[1:3, 'name':'score']

print(data)

输出：

     name  age gender  score
id
1    Mike   29      M     83
2    Jane   33      F     90
3   Billy   26      M     70

使用布尔值选择行和列

我们可以使用布尔运算符选择 DataFrame 中符合条件的行和列。

import pandas as pd

df = pd.read_csv('data.csv', index_col='id')

# 获取 age 大于 30 的行
data = df.loc[df['age'] > 30]

print(data)

输出：

     name  age gender  score
id
2    Jane   33      F     90
5   Chris   31      M     88

实际应用

.loc 功能在日常使用中非常常用，它可以帮助我们快速地访问和操作数据。

在以下场景中很有用：

• 数据分析
• 数据清洗
• 数据统计

结论

在本文中，我们介绍了 Pandas 中的 .loc 属性，在数据分析中使用它非常有帮助。希望这篇文章对你有用，谢谢阅读！

参考资料

• Pandas Documentation: https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.loc.html