|
loc
通过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。
允许的输入为:
- 单个标签,例如’a’,
- 标签列表或数组,例如。[‘a’, ‘b’, ‘c’]
- 带有标签的切片对象,例如’a’:‘f’。
- 与切片轴长度相同的布尔数组,例如。[True, False, True]
- 可对齐的布尔系列。遮罩之前,键的索引将对齐。
- 可对齐索引。返回的选择的索引将作为输入。
获取单行
为了获取当行,只需要利用行号就能够获取,- >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
- ... index=['cobra', 'viper', 'sidewinder'],
- ... columns=['max_speed', 'shield'])
- >>> print(df.loc["viper"])
- max_speed 4
- shield 5
- Name: viper, dtype: int64
复制代码 获取特定的几行
- 可以将多个行号组成一个list,然后作为参数输入进去
- >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
- ... index=['cobra', 'viper', 'sidewinder'],
- ... columns=['max_speed', 'shield'])
- >>> print(df.loc[["cobra",'sidewinder']])
- max_speed shield
- cobra 1 2
- sidewinder 7 8
复制代码 在利用切片时,也需要使用label进行切片,否则pandas不会识别- >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
- ... index=['cobra', 'viper', 'sidewinder'],
- ... columns=['max_speed', 'shield'])
- >>> print(df.loc[ 'viper': 'sidewinder'])
- max_speed shield
- viper 4 5
- sidewinder 7 8
复制代码 获取特定行和列
- >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
- ... index=['cobra', 'viper', 'sidewinder'],
- ... columns=['max_speed', 'shield'])
- >>> print(df.loc[ 'viper','shield'])
- 5
复制代码 也可以通过切片和列组合,获取特定的数值- >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
- ... index=['cobra', 'viper', 'sidewinder'],
- ... columns=['max_speed', 'shield'])
- >>> print(df.loc['viper': 'sidewinder',:])
- max_speed shield
- viper 4 5
- sidewinder 7 8
复制代码 通过bool值进行选择
- >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
- ... index=['cobra', 'viper', 'sidewinder'],
- ... columns=['max_speed', 'shield'])
- >>> df.loc[[False, False, True]]
- max_speed shield
- sidewinder 7 8
复制代码 通过条件进行选择获取
通过条件获取,时间也是通过bool获取的一种特例,- >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
- ... index=['cobra', 'viper', 'sidewinder'],
- ... columns=['max_speed', 'shield'])
- >>> df.loc[df['shield'] > 6]
- max_speed shield
- sidewinder 7 8
复制代码 通过下面的结果,我们可以看出,通过条件获取后是一个对象,该对象的值就是一个bool列表,通过条件获取就是通过这个bool列表进行获取- >>> s = df['shield'] > 6
- >>> type(s)
- <class 'pandas.core.series.Series'>
- >>> s.values
- array([False, False, True])
复制代码 通过回调函数获取
- >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
- ... index=['cobra', 'viper', 'sidewinder'],
- ... columns=['max_speed', 'shield'])
- >>> df.loc[lambda df: df['shield'] == 8]
- max_speed shield
- sidewinder 7 8
复制代码 对数值进行修改
这里主要讲的是对数值的修改是永久性的,- >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
- ... index=['cobra', 'viper', 'sidewinder'],
- ... columns=['max_speed', 'shield'])
- >>> df.loc[['viper', 'sidewinder'], ['shield']] = 50
- >>> df
- max_speed shield
- cobra 1 2
- viper 4 50
- sidewinder 7 50
复制代码 总结
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。
来源:https://www.jb51.net/python/316253wz5.htm
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作! |
|