当前位置：极客笔记 > Pandas > Pandas 问答 > Pandas loc函数详解

Pandas loc函数详解

Pandas loc函数详解

参考：pandas loc function

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方法，使得数据分析变得更加简单高效。在pandas库中，DataFrame对象是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。DataFrame提供了多种方法来进行数据的访问和修改，其中loc函数是一个非常重要的数据访问功能，它允许我们通过标签选择数据。

本文将详细介绍loc函数的用法，并通过多个示例代码来展示其在数据分析中的应用。

1. loc函数的基本用法

loc函数主要用于通过标签索引来选择数据。它可以接受的输入包括：

  • 单个标签
  • 标签列表
  • 标签切片
  • 布尔数组
  • 可调用函数

示例代码1：使用单个标签选择数据行

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
result = df.loc[0]
print(result)

Output:

Pandas loc函数详解

示例代码2：使用标签列表选择多行数据

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
result = df.loc[[0, 2]]
print(result)

Output:

Pandas loc函数详解

示例代码3：使用标签切片选择连续的多行数据

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
result = df.loc[0:1]
print(result)

Output:

Pandas loc函数详解

示例代码4：使用布尔数组选择数据

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
result = df.loc[df['Age'] > 30]
print(result)

Output:

Pandas loc函数详解

示例代码5：使用可调用函数进行数据选择

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
result = df.loc[lambda df: df['Name'] == 'Bob']
print(result)

Output:

Pandas loc函数详解

2. loc函数的高级用法

loc函数不仅可以用于行的选择，还可以同时选择行和列。当选择行和列时，我们需要提供两个参数，第一个参数用于选择行，第二个参数用于选择列。

示例代码6：选择特定行和列

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
result = df.loc[0, 'Name']
print(result)

Output:

Pandas loc函数详解

示例代码7：使用切片同时选择多行多列

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
result = df.loc[0:2, 'Name':'Email']
print(result)

Output:

Pandas loc函数详解

示例代码8：使用布尔数组和列名列表选择数据

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
result = df.loc[df['Age'] > 25, ['Name', 'Email']]
print(result)

Output:

Pandas loc函数详解

示例代码9：使用布尔数组和列切片选择数据

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
result = df.loc[df['Age'] > 25, 'Name':'Email']
print(result)

Output:

Pandas loc函数详解

示例代码10：使用loc进行条件修改

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
df.loc[df['Age'] > 30, 'Name'] = 'Updated Name'
print(df)

Output:

Pandas loc函数详解

3. loc函数与其他索引方法的比较

在pandas中，除了loc函数之外，还有iloc和at等数据访问方法。iloc是基于整数位置的数据选择方法，而at则是用于访问单个元素的快速方法。在实际使用中，选择合适的数据访问方法可以提高代码的可读性和执行效率。

示例代码11：使用iloc选择数据

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
result = df.iloc[0]
print(result)

Output:

Pandas loc函数详解

示例代码12：使用at访问单个元素

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
result = df.at[0, 'Name']
print(result)

Output:

Pandas loc函数详解

示例代码13：使用loc进行复杂条件的行选择

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
result = df.loc[(df['Age'] > 25) & (df['Name'].str.startswith('C'))]
print(result)

Output:

Pandas loc函数详解

示例代码14：使用loc选择并更新多列数据

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
df.loc[df['Age'] > 25, ['Name', 'Email']] = ['Updated Name', 'updated@pandasdataframe.com']
print(df)

Output:

Pandas loc函数详解

示例代码15：使用loc根据索引排序选择数据

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
df_sorted = df.sort_values(by='Age')
result = df_sorted.loc[df_sorted['Age'] > 25]
print(result)

Output:

Pandas loc函数详解

示例代码16：使用loc与isin函数进行筛选

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
ages = [25, 35]
result = df.loc[df['Age'].isin(ages)]
print(result)

Output:

Pandas loc函数详解

示例代码17：使用loc进行多条件筛选并修改指定列

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
df.loc[(df['Age'] > 25) & (df['Name'] == 'Bob'), 'Email'] = 'bob_updated@pandasdataframe.com'
print(df)

Output:

Pandas loc函数详解

示例代码18：使用loc添加新列

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
df.loc[:, 'Status'] = 'Active'
print(df)

Output:

Pandas loc函数详解

示例代码19：使用loc删除行

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
df = df.loc[df['Name'] != 'Bob']
print(df)

Output:

Pandas loc函数详解

示例代码20：使用loc进行复杂的数据操作

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Email': ['alice@pandasdataframe.com', 'bob@pandasdataframe.com', 'charlie@pandasdataframe.com']
}
df = pd.DataFrame(data)
df.loc[df['Age'] > 25, ['Age', 'Email']] = [28, 'age_updated@pandasdataframe.com']
print(df)

Output:

Pandas loc函数详解

4. 结论

通过本文的介绍和示例代码，我们可以看到loc函数在pandas中的强大功能和灵活性。无论是进行数据的选择、修改还是复杂的条件筛选，loc都能提供有效的解决方案。掌握loc函数的使用，对于提高数据处理的效率和质量具有重要意义。

Camera课程

Camera API2 教程

API2 教程
Camera 性能教程

Perf 教程
Camera Native Framework 教程

Native FW 教程
Camera QCOM ISP 教程

ISP 教程
Camera QCOM Sensor 教程

Sensor 教程

Python教程

Python 教程

Python 教程
NumPy 教程

NumPy 教程
Django 教程

Django 教程

Java教程

Java 教程

Java 教程

Web教程

JavaScript 教程

JavaScript 教程
jQuery 教程

jQuery 教程
CSS 教程

CSS 教程
PHP 教程

PHP 教程
Laravel 教程

Laravel 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程

数据库教程

SQL 教程

SQL 教程
SQLite 教程

SQLite 教程
MySQL 教程

MySQL 教程
PL/SQL 教程

PL/SQL 教程
MongoDB 教程

MongoDB 教程

图形图像教程

OpenCV 教程

OpenCV 教程

办公软件教程

Excel 教程

Excel 教程

Linux教程

Linux命令全集

Linux命令全集
Linux内核API

Linux内核API
LVGL 教程

LVGL 教程

计算机教程

操作系统 教程

操作系统 教程
计算机网络 教程

计算机网络 教程
C语言 教程

C语言 教程
C++ 教程

C++ 教程
Swift 教程

Swift 教程

大数据教程

Hadoop 教程

Hadoop 教程
Spark 教程

Spark 教程
Scala 教程

Scala 教程

开发工具教程

Git 教程

Git 教程
Jenkins 教程

Jenkins 教程
ChatGPT 教程

ChatGPT 教程
IntelliJ 教程

IntelliJ 教程