pandas dataframe loc in list

pandas dataframe loc in list

参考：pandas dataframe loc in list

在Python的数据分析库pandas中，DataFrame是一个二维的、大小可变的、潜在的异质的表格数据结构。它是一种特殊的数据结构，提供了大量的方法和属性，使得数据处理变得更加方便。其中，loc是DataFrame的一个重要属性，它提供了基于标签的索引功能，可以通过行标签和列标签来定位数据。

本文将详细介绍如何在pandas DataFrame中使用loc属性来处理列表数据。

1. 基本使用

loc属性的基本使用方法是df.loc[row_label, column_label]，其中df是一个DataFrame对象，row_label和column_label分别是行标签和列标签。

例如，我们创建一个DataFrame对象：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 21],
    'city': ['New York', 'Los Angeles', 'Chicago', 'Houston']
}
df = pd.DataFrame(data)
df.index = ['a', 'b', 'c', 'd']
print(df)

Output:

然后，我们可以使用loc属性来获取某一行或某一列的数据：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 21],
    'city': ['New York', 'Los Angeles', 'Chicago', 'Houston']
}
df = pd.DataFrame(data)
df.index = ['a', 'b', 'c', 'd']

print(df.loc['a'])  # 获取行标签为'a'的行数据
print(df.loc[:, 'name'])  # 获取列标签为'name'的列数据

Output:

2. 使用列表作为行标签或列标签

loc属性还支持使用列表作为行标签或列标签，这样可以一次性获取多行或多列的数据。

例如，我们可以获取行标签为’a’和’c’的行数据：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 21],
    'city': ['New York', 'Los Angeles', 'Chicago', 'Houston']
}
df = pd.DataFrame(data)
df.index = ['a', 'b', 'c', 'd']

print(df.loc[['a', 'c']])

Output:

也可以获取列标签为’name’和’age’的列数据：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 21],
    'city': ['New York', 'Los Angeles', 'Chicago', 'Houston']
}
df = pd.DataFrame(data)
df.index = ['a', 'b', 'c', 'd']

print(df.loc[:, ['name', 'age']])

Output:

3. 使用列表作为行标签和列标签

当然，我们也可以同时使用列表作为行标签和列标签，这样可以获取DataFrame的一个子集。

例如，我们可以获取行标签为’a’和’c’，列标签为’name’和’age’的数据：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 21],
    'city': ['New York', 'Los Angeles', 'Chicago', 'Houston']
}
df = pd.DataFrame(data)
df.index = ['a', 'b', 'c', 'd']

print(df.loc[['a', 'c'], ['name', 'age']])

Output:

4. 使用布尔列表作为行标签或列标签

loc属性还支持使用布尔列表作为行标签或列标签，这样可以根据条件来获取数据。

例如，我们可以获取年龄大于20的人的数据：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 21],
    'city': ['New York', 'Los Angeles', 'Chicago', 'Houston']
}
df = pd.DataFrame(data)
df.index = ['a', 'b', 'c', 'd']

print(df.loc[df['age'] > 20])

Output:

也可以获取名字包含’pandasdataframe.com’的人的数据：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 21],
    'city': ['New York', 'Los Angeles', 'Chicago', 'Houston']
}
df = pd.DataFrame(data)
df.index = ['a', 'b', 'c', 'd']

df['name'] = df['name'] + '@pandasdataframe.com'
print(df.loc[df['name'].str.contains('pandasdataframe.com')])

Output:

5. 使用列表作为行标签或列标签的高级用法

loc属性还有一些高级的用法，例如，我们可以使用列表作为行标签或列标签，然后对获取的数据进行赋值操作。

例如，我们可以将年龄大于20的人的城市改为’pandasdataframe.com’：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 21],
    'city': ['New York', 'Los Angeles', 'Chicago', 'Houston']
}
df = pd.DataFrame(data)
df.index = ['a', 'b', 'c', 'd']

df.loc[df['age'] > 20, 'city'] = 'pandasdataframe.com'
print(df)

Output:

也可以将名字包含’pandasdataframe.com’的人的年龄改为0：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 21],
    'city': ['New York', 'Los Angeles', 'Chicago', 'Houston']
}
df = pd.DataFrame(data)
df.index = ['a', 'b', 'c', 'd']

df.loc[df['name'].str.contains('pandasdataframe.com'), 'age'] = 0
print(df)

Output: