看过来
《pandas 教程》 持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》 和 《Python之光》。
本内容来自：https://gairuo.com
loc[] 是基于标签的数据选择方法，这意味着我们必须传递要选择的行或列的名称，按标签或布尔数组访问一组行和列，.loc[] 主要基于标签，但也可以与布尔数组一起使用。DataFrame 和 Series 都支持这个方法。
DataFrame
由于 DataFrame 有两个维度，所以用逗号分隔分别选取行和列的数据。
功能图示
图示如下：
语法
loc 是以 DataFrame 的属性形式存在的：
property DataFrame.loc: pandas.core.indexing._LocIndexer
对于 DataFrame 来说可以可以支持行和列两个元素:
pandas.DataFrame.loc[row_lable, column_label]
每个元素可以为以下形式：
单个标签，例如 5 或 “A”（5 被解释为索引的标签，而不是索引上的整数自然位置）。
标签的列表或数组，如 ['a', 'b', 'c']，标签可以重复，如 df.loc[[0,0,1]]，索引 0 显示两次
带有标签的切片对象，例如 'a':'f' (start 和 stop 都包含在内)
与被切片轴长度相同的布尔数组，例如[True, False, True]
一个索引与之对齐的布尔 Series
可对齐的索引类型（Index），返回的选择的索引将作为输入
一个带有一个参数（调用Series或DataFrame）的可调用函数，它返回有效的索引输出
常用方法
df.iloc 与 df.loc 相似，但只能用自然索引（行和列的 0 - n 索引），不能用标签。
df.iloc[:3]
df.iloc[:]
df.iloc[:, [1, 2]]
df.iloc[2:20:3]
s.iloc[:3]
如果想筛选多个不连续的行列数据（使用 np.r_），可以使用以下方法：
# 筛选索引0-4&10&5-29每两行取一个&70-74
df.iloc[np.r_[:5, 10, 15:30:2, 70:75]] # 行
df.iloc[:, np.r_[0, 2:6]] # 列，0列和第2-5列
# 也可以使用追加的方式拼接
df.loc[:5].append(df.loc[10]).append(df.loc[15:30:2])
案例
相关案例如下：
# 获取数据
df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
index=['cobra', 'viper', 'sidewinder'],
columns=['max_speed', 'shield'])
df
'''
max_speed shield
cobra 1 2
viper 4 5
sidewinder 7 8
'''
单一标签，注意：这会将行作为一个序列返回。
df.loc['viper']
'''
max_speed 4
shield 5
Name: viper, dtype: int64
'''
标签列表，注意使用 [[]] 返回数据帧。
df.loc[['viper', 'sidewinder']]
'''
max_speed shield
viper 4 5
sidewinder 7 8
'''
行和列的单个标签：
df.loc['cobra', 'shield']
# 2
行标签切片，列用单个标签切片。如上所述，请注意，切片的开始和停止都包括在内。
df.loc['cobra':'viper', 'max_speed']
'''
cobra 1
viper 4
Name: max_speed, dtype: int64
'''
与行轴长度相同的布尔列表
df.loc[[False, False, True]]
'''
max_speed shield
sidewinder 7 8
'''
可对齐布尔 Series:
df.loc[pd.Series([False, True, False],
index=['viper', 'sidewinder', 'cobra'])]
'''
max_speed shield
sidewinder 7 8
'''
索引（与 df.reindex 行为相同）
df.loc[pd.Index(["cobra", "viper"], name="foo")]
'''
max_speed shield
foo
cobra 1 2
viper 4 5
'''
条件表达式返回布尔 Series
df.loc[df['shield'] > 6]
max_speed shield
sidewinder 7 8
返回指定了列标签的布尔 Series 的条件
df.loc[df['shield'] > 6, ['max_speed']]
'''
max_speed
sidewinder 7
'''
可调用函数返回布尔 Series
df.loc[lambda df: df['shield'] == 8]
'''
max_speed shield
sidewinder 7 8
'''
接下来我们看看设定值，修改数据。
设置与标签列表匹配的所有项的值：
df.loc[['viper', 'sidewinder'], ['shield']] = 50
df
'''
max_speed shield
cobra 1 2
viper 4 50
sidewinder 7 50
'''
整行的设置值
df.loc['cobra'] = 10
df
'''
max_speed shield
cobra 10 10
viper 4 50
sidewinder 7 50
'''
设置整列的值
df.loc[:, 'max_speed'] = 30
df
'''
max_speed shield
cobra 30 10
viper 30 50
sidewinder 30 50
'''
为匹配可调用条件的行设置值
df.loc[df['shield'] > 35] = 0
df
'''
max_speed shield
cobra 30 10
viper 0 0
sidewinder 0 0
'''
获取具有整数标签的索引的 DataFrame 上的值，另一个使用整数作为索引的示例
df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
index=[7, 8, 9], columns=['max_speed', 'shield'])
df
'''
max_speed shield
7 1 2
8 4 5
9 7 8
'''
对行使用整数标签进行切片。如上所述，请注意，切片的开始和停止都包括在内。
df.loc[7:9]
'''
max_speed shield
7 1 2
8 4 5
9 7 8
'''
接下来看看使用多重索引（MultiIndex）获取值，使用带有多索引的 DataFrame 的示例
tuples = [
('cobra', 'mark i'), ('cobra', 'mark ii'),
('sidewinder', 'mark i'), ('sidewinder', 'mark ii'),
('viper', 'mark ii'), ('viper', 'mark iii')
]
index = pd.MultiIndex.from_tuples(tuples)
values = [[12, 2], [0, 4], [10, 20],
[1, 4], [7, 1], [16, 36]]
df = pd.DataFrame(values, columns=['max_speed', 'shield'], index=index)
df
'''
max_speed shield
cobra mark i 12 2
mark ii 0 4
sidewinder mark i 10 20
mark ii 1 4
viper mark ii 7 1
mark iii 16 36
'''
单一标签。注意这将返回一个带有单个索引的 DataFrame
df.loc['cobra']
'''
max_speed shield
mark i 12 2
mark ii 0 4
'''
单索引元组。注意，这将返回一个序列。
df.loc[('cobra', 'mark ii')]
'''
max_speed 0
shield 4
Name: (cobra, mark ii), dtype: int64
'''
行和列的单个标签。类似于传递元组，它返回一个序列。
df.loc['cobra', 'mark i']
'''
max_speed 12
shield 2
Name: (cobra, mark i), dtype: int64
'''
单元组。注意使用[[]]返回数据帧。
df.loc[[('cobra', 'mark ii')]]
'''
max_speed shield
cobra mark ii 0 4
'''
索引的单个元组，列的单个标签
df.loc[('cobra', 'mark i'), 'shield']
# 2
从索引元组切片到单个标签
df.loc[('cobra', 'mark i'):'viper']
'''
max_speed shield
cobra mark i 12 2
mark ii 0 4
sidewinder mark i 10 20
mark ii 1 4
viper mark ii 7 1
mark iii 16 36
'''
从索引元组到索引元组切片
df.loc[('cobra', 'mark i'):('viper', 'mark ii')]
'''
max_speed shield
cobra mark i 12 2
mark ii 0 4
sidewinder mark i 10 20
mark ii 1 4
viper mark ii 7 1
'''
Series
由于 Series 是一维的，因此，Series 使用 loc 时只需要传入一个元素，不能传入多个元素。
与 iloc 的区别
iloc[] 是一种基于自然索引的选择方法，这意味着我们必须在方法中传递整数索引才能选择特定的行/列。
支持对象
可以调用 loc[] 的对象还有以下对象：
pandas.DataFrame.loc
pandas.Series.loc
相关内容
pandas习题 067：小于 60 的部分列修改为 60
2024-12-01 16:52:53
pandas习题 035：选择 DataFrame 其中一列
2024-05-26 18:27:03
pandas 根据范围求每行的最大值
2024-04-22 09:53:26
pandas习题 012：修改 Series 的标签和值
2024-03-14 20:57:16
pandas 按组填充累加值
2023-10-26 20:29:22
pandas 非向量化修改数据
2023-04-02 12:11:52
pandas 对非缺失值进行替换
2023-02-24 12:50:37
pandas 根据列值指定数量向上求部分数据和
2022-10-08 11:28:17
pandas 删除列名重复的列
2022-09-18 07:25:12
pandas 重采样线性插补
2022-08-17 18:17:30
pandas 计算实验仪器正常运行周期时长
2022-06-06 20:29:32
pandas 分组后按类型统计
2022-03-03 22:36:56
pandas 将同组数据转在列上
2022-02-26 11:06:22
< pd.Index() 构造索引对象
pandas 函数详细介绍
iloc[] 数字索引位置选择 >
pandas 查询筛选数据
iloc[] 数字索引位置选择 >
pandas DataFrame 和 Series 的字典特性
items() 迭代每列对应的内容 >
更新时间：2022-08-17 15:48:36
标签：pandas
loc
查询