Pandas loc条件选择详解|极客笔记

Pandas loc条件选择详解

Pandas 是一个强大的 Python 数据分析库，它提供了丰富的数据结构和数据操作工具，使得数据分析工作变得更加高效和简侧。在处理数据时，经常需要根据一定的条件来筛选数据，loc 方法是 Pandas 中用于基于标签的索引选择方法，它允许我们通过指定条件来选择数据。本文将详细介绍如何使用 loc 方法进行条件选择，并通过多个示例展示其用法。

1. 基本用法

loc 方法主要用于通过行标签索引数据，但它也支持布尔数组，用于根据条件筛选数据。基本语法如下：

dataframe.loc[condition]

其中 condition 是条件表达式，结果为布尔值。

示例代码 1：基本条件筛选

import pandas as pd

data = {
    'website': ['pandasdataframe.com', 'example.com', 'testsite.com'],
    'visits': [1000, 1500, 900]
}
df = pd.DataFrame(data)
result = df.loc[df['website'] == 'pandasdataframe.com']
print(result)

Output:

Pandas loc条件选择详解

2. 多条件筛选

我们可以使用 &（和）、|（或）和 ~（非）操作符来组合多个条件。

示例代码 2：使用多个条件

import pandas as pd

data = {
    'website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com'],
    'visits': [1000, 1500, 900],
    'revenue': [200, 300, 150]
}
df = pd.DataFrame(data)
result = df.loc[(df['website'] == 'pandasdataframe.com') & (df['revenue'] > 150)]
print(result)

Output:

Pandas loc条件选择详解

3. 使用 loc 进行切片

loc 也支持切片操作，可以选择行或列的范围。

示例代码 3：行切片

import pandas as pd

data = {
    'website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com'],
    'visits': [1000, 1500, 900]
}
df = pd.DataFrame(data)
result = df.loc[1:2]
print(result)

Output:

Pandas loc条件选择详解

示例代码 4：列切片

import pandas as pd

data = {
    'website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com'],
    'visits': [1000, 1500, 900],
    'revenue': [200, 300, 150]
}
df = pd.DataFrame(data)
result = df.loc[:, 'visits':'revenue']
print(result)

Output:

Pandas loc条件选择详解

4. 使用条件函数

有时候，我们需要根据更复杂的逻辑来筛选数据，这时可以使用条件函数。

示例代码 5：使用 `apply` 函数

import pandas as pd

data = {
    'website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com'],
    'visits': [1000, 1500, 900],
    'revenue': [200, 300, 150]
}
df = pd.DataFrame(data)
result = df.loc[df.apply(lambda row: row['visits'] > 1000 and 'pandasdataframe.com' in row['website'], axis=1)]
print(result)

Output:

Pandas loc条件选择详解

5. 修改选中的数据

使用 loc 选中数据后，我们可以直接对这些数据进行修改。

示例代码 6：修改数据

import pandas as pd

data = {
    'website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com'],
    'visits': [1000, 1500, 900],
    'revenue': [200, 300, 150]
}
df = pd.DataFrame(data)
df.loc[df['website'] == 'pandasdataframe.com', 'visits'] = 1200
print(df)

Output:

Pandas loc条件选择详解

6. 使用 loc 删除数据

loc 也可以用来删除数据，通过设置为 NaN 或使用 drop 方法。

示例代码 7：删除数据

import pandas as pd
import numpy as np

data = {
    'website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com'],
    'visits': [1000, 1500, 900],
    'revenue': [200, 300, 150]
}
df = pd.DataFrame(data)
df.loc[df['visits'] < 1000, 'visits'] = np.nan
print(df)

Output:

Pandas loc条件选择详解

7. 结合其他 Pandas 功能

loc 可以与 Pandas 的其他功能如分组、排序等结合使用，以实现更复杂的数据操作。

示例代码 8：结合分组和排序

import pandas as pd

data = {
    'website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com'],
    'visits': [1000, 1500, 900],
    'revenue': [200, 300, 150]
}
df = pd.DataFrame(data)
df_sorted = df.sort_values(by='revenue', ascending=False)
result = df_sorted.loc[df_sorted['website'] == 'pandasdataframe.com']
print(result)

Output:

Pandas loc条件选择详解