【pandas】.loc常用操作
.loc是pandas中的索引器，主要用于Series和Dataframe上，基于标签（行标签和列标签）选取数据，可以进行行和列的切片操作，支持单个标签，标签列表，条件表达式等
在Dataframe上的操作：
先创建个Dataframe：
import pandas as pd# 创建一个 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],'Age': [25, 30, 35],'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)
print(df)输出：
Name Age City
0 Alice 25 New York
1 Bob 30 Los Angeles
2 Charlie 35 Chicago
行操作相关
1、选取某行数据
# 选取标签为0的行
row_0 = df.loc[0]
print(row_0)输出：
Name Alice
Age 25
City New York
Name: 0, dtype: object
.loc[0] 表示选取标签为 0 的那一行，返回的是一个 Series 对象。
2、选取连续的多行数据
可以使用切片选取连续的行：
# 选取标签从 0 到 1 的行（包含 1）
rows_0_to_1 = df.loc[0:1]
print(rows_0_to_1)
输出：
Name Age City
0 Alice 25 New York
1 Bob 30 Los Angeles
使用切片0:1选取行标签0-1的连续两行数据，返回的是一个Dataframe对象。
注意，.loc 使用标签的“闭区间”特性，也就是说切片操作包含结束标签（即 1 也会被选取）。
3、选取分离的多行数据
如果想一次性选取分离的多个行，可以将行标签放在列表里传递给.loc：
# 选取标签为 0 和 2 的行
rows_0_2 = df.loc[[0, 2]]
print(rows_0_2)
输出：
Name Age City
0 Alice 25 New York
2 Charlie 35 Chicago
.loc[[0, 2]]表示一次性选取标签为0和2的两行数据，返回的是一个Dataframe对象。
4、通过条件筛选特定的行
可以根据条件来选择特定的行：
# 选择 'Age' 大于 30 的行
rows_age_above_30 = df.loc[df['Age'] > 30]
print(rows_age_above_30)
输出：
Name Age City
2 Charlie 35 Chicago
df['Age'] > 30会返回一个[False, False, True]的bool列表，.loc根据这个bool列表选取行数据，不管返回的数据有一行还是多行，返回的是一个Dataframe对象。
5、修改某行的数据
可以通过 .loc 修改某一行的数据
# 修改标签为 1 的行的 'Age' 为 32
df.loc[1, 'Age'] = 32
print(df)
输出：
Name Age City
0 Alice 25 New York
1 Bob 32 Los Angeles
2 Charlie 35 Chicago
.loc[1, 'Age']锁定行标签为1列标签为‘Age’的单元数据，修改是直接作用在原Datafrmae对象上的。
总结
.loc[row_label]用于按行标签选择特定行。.loc[[row_label1, row_label2]]用于选择多个行。.loc[start:end]用于选择连续的行（包含结束标签）。.loc[condition]用于根据条件选择行。
列操作相关
1、按列名选取某列数据
# 选取 'Age' 列
age_column = df.loc[:, 'Age']
print(age_column)
输出：
0 25
1 30
2 35
Name: Age, dtype: int64
.loc[:, 'Age'] 中，: 表示选择所有行，'Age' 则表示选取列名为 'Age' 的列，返回的是一个 Series 对象。
2、选取多列
一次性选取多个列，可以将列名列表传递给 .loc：
# 选取 'Name' 和 'City' 列
name_city_columns = df.loc[:, ['Name', 'City']]
print(name_city_columns)
输出：
Name City
0 Alice New York
1 Bob Los Angeles
2 Charlie Chicago
3. 条件筛选行和列
结合条件筛选来选择特定的行和列：
# 选择 'Age' 大于 25 的行，并选取 'Name' 和 'City' 列
result = df.loc[df['Age'] > 25, ['Name', 'City']]
print(result)
输出：
Name City
1 Bob Los Angeles
2 Charlie Chicago
4. 修改某列的值
可以通过 .loc 修改某列的值：
# 修改 'Age' 列中，标签为 0 的值
df.loc[0, 'Age'] = 26
print(df)
输出：
Name Age City
0 Alice 26 New York
1 Bob 30 Los Angeles
2 Charlie 35 Chicago
总结
.loc[:, 'Column_Name']用于按列名选取特定列。.loc[:, ['Column1', 'Column2']]可以选择多个列。- 你还可以结合条件筛选行，同时选择特定的列。
行列一起操作
1、按标签选择多行和多列
# 选择标签为 0 和 1 的行，以及 'Name' 和 'Age' 列
result = df.loc[0:1, ['Name', 'Age']]
print(result)
在Series上操作
.loc 也可以在 pandas.Series 上使用，功能与在 DataFrame 上类似。Series 是一种一维标签化数组，它与 DataFrame 类似，只是没有列的维度，因此 .loc 在 Series 中主要用于根据标签选择数据或修改数据
构造一个 Series 对象：
import pandas as pd# 创建一个 Series 对象
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
print(data)
输出：
a 10
b 20
c 30
dtype: int64
1、选择单个元素
# 选择标签为 'a' 的元素
result = data.loc['a']
print(result) # 输出：10
2、选择多个元素
# 选择标签为 'a' 和 'c' 的元素
result = data.loc[['a', 'c']]
print(result)
输出：
a 10
c 30
dtype: int64
3、在 Series 上使用条件选择
可以使用条件表达式选择符合条件的元素：
# 选择值大于 15 的元素
result = data.loc[data > 15]
print(result)
输出：
b 20
c 30
dtype: int64
4、修改 Series 中的数据
可以通过 .loc 修改 Series 中的数据
# 修改标签为 'b' 的元素为 25
data.loc['b'] = 25
print(data)
输出：
a 10
b 25
c 30
dtype: int64
5、使用 .loc 进行切片操作
和在 DataFrame 中一样，.loc 也可以用来在 Series 中进行切片操作，使用标签范围：
# 选择从 'a' 到 'b' 的切片
result = data.loc['a':'b']
print(result)
输出：
a 10
b 25
dtype: int64
与 DataFrame 的不同之处
- 在
Series中，.loc主要用于基于标签的选择，而在DataFrame中，除了标签选择之外，还可以按列名进行选择。 Series只有一维数据，但你仍然可以使用标签或布尔条件来选择数据。