极客笔记pandas dataframe loc方法的使用
在数据分析和数据处理中，pandas 是一个非常强大的 Python 库，它提供了许多工具和方法来操作和分析数据。其中，DataFrame 是 pandas 中最常用的数据结构之一，它是一个二维的、表格型的数据结构，可以存储不同类型的数据。在处理 DataFrame 时，定位和选择数据是非常常见的操作，pandas 提供了多种方法来实现这一功能，其中 loc 方法是最常用的之一。
loc 方法主要用于通过标签索引来选择数据。它可以接受单个标签、标签列表、标签切片以及布尔数组等多种形式的输入。本文将详细介绍 loc 方法的使用方式，并通过多个示例代码来展示其在实际应用中的用法。
基本使用
loc 方法的基本语法如下：
dataframe.loc[row_indexer, column_indexer]
其中 row_indexer 和 column_indexer 分别用于指定行和列的选择条件。下面通过一些示例来具体说明 loc 方法的使用。
示例1：选择单个行
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用 loc 选择第一行
result = df.loc[0]
print(result)
Output:
示例2：选择多个行
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用 loc 选择第一行和第三行
result = df.loc[[0, 2]]
print(result)
Output:
示例3：选择行切片
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用 loc 选择第一行到第二行
result = df.loc[0:1]
print(result)
Output:
示例4：选择单个列
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用 loc 选择 'website' 列
result = df.loc[:, 'website']
print(result)
Output:
示例5：选择多个列
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用 loc 选择 'website' 和 'visits' 列
result = df.loc[:, ['website', 'visits']]
print(result)
Output:
示例6：同时选择行和列
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用 loc 同时选择第一行和 'website' 列
result = df.loc[0, 'website']
print(result)
Output:
示例7：使用条件表达式选择行
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用 loc 选择访问量大于 1000 的行
result = df.loc[df['visits'] > 1000]
print(result)
Output:
示例8：使用条件表达式和列列表选择数据
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用 loc 选择访问量大于 1000 的行，并只选择 'website' 列
result = df.loc[df['visits'] > 1000, 'website']
print(result)
Output:
示例9：使用切片和条件表达式选择数据
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用 loc 选择第一行到第二行，并且访问量大于 800
result = df.loc[0:1, df['visits'] > 800]
print(result)
示例10：更新数据
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用 loc 更新第一行的访问量
df.loc[0, 'visits'] = 1200
print(df)
Output:
高级用法
loc 方法不仅可以用于选择数据，还可以用于修改数据。例如，你可以使用 loc 来更新 DataFrame 中的特定数据，或者添加新的行或列。下面通过一些示例来展示这些高级用法。
示例11：添加新行
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用 loc 添加新行
df.loc[3] = ['newsite.com', 500]
print(df)
Output:
示例12：添加新列
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用 loc 添加新列
df.loc[:, 'new_column'] = ['value1', 'value2', 'value3']
print(df)
Output:
示例13：使用布尔数组选择数据
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用布尔数组选择访问量大于 1000 的行
mask = df['visits'] > 1000
result = df.loc[mask]
print(result)
Output:
示例14：使用布尔数组和列列表选择数据
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用布尔数组和列列表选择数据
mask = df['visits'] > 1000
result = df.loc[mask, ['website']]
print(result)
Output:
示例15：使用切片和布尔数组选择数据
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用切片和布尔数组选择数据
mask = df['visits'] > 800
result = df.loc[0:1, mask]
print(result)
示例16：使用 loc 修改特定数据
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800]
}
df = pd.DataFrame(data)
# 使用 loc 修改特定数据
df.loc[df['website'] == 'pandasdataframe.com', 'visits'] = 2000
print(df)
Output:
示例17：使用 loc 修改多列数据
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800],
'users': [500, 700, 400]
}
df = pd.DataFrame(data)
# 使用 loc 修改多列数据
df.loc[df['website'] == 'pandasdataframe.com', ['visits', 'users']] = [2000, 600]
print(df)
Output:
示例18：使用 loc 添加新行并填充数据
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800],
'users': [500, 700, 400]
}
df = pd.DataFrame(data)
# 使用 loc 添加新行并填充数据
df.loc[3] = ['newsite.com', 500, 300]
print(df)
Output:
示例19：使用 loc 添加新列并填充数据
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800],
'users': [500, 700, 400]
}
df = pd.DataFrame(data)
# 使用 loc 添加新列并填充数据
df.loc[:, 'new_column'] = ['value1', 'value2', 'value3']
print(df)
Output:
示例20：使用 loc 和函数修改数据
import pandas as pd
data = {
'website': ['pandasdataframe.com', 'example.com', 'test.com'],
'visits': [1000, 1500, 800],
'users': [500, 700, 400]
}
df = pd.DataFrame(data)
# 使用 loc 和函数修改数据
df.loc[:, 'visits'] = df['visits'].apply(lambda x: x * 2)
print(df)
Output:
总结，pandas 的 loc 方法是一个非常强大的工具，它可以用于选择和修改 DataFrame 中的数据。通过熟练掌握 loc 方法，你可以更加高效地处理和分析数据。