pandas中的 loc的使用（pandas.DataFrame.loc）

api参考：

其他：

例子：

一、获取值

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],index=['cobra', 'viper', 'sidewinder'],columns=['max_speed', 'shield'])
>>> dfmax_speed  shield
cobra               1       2
viper               4       5
sidewinder          7       8

1、单一标签。请注意，这会将行作为系列返回。

>>> df.loc['viper']
max_speed    4
shield       5
Name: viper, dtype: int64

2、标签列表。注意 using[[ ]]返回一个 DataFrame。

>>> df.loc[['viper', 'sidewinder']]max_speed  shield
viper               4       5
sidewinder          7       8

3、行和列的单一标签

>>> df.loc['cobra', 'shield']
2

4、带有行标签和列标签的切片。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

5、与行轴长度相同的布尔列表

>>> df.loc[[False, False, True]]max_speed  shield
sidewinder          7       8

6、可对齐布尔系列

>>> df.loc[pd.Series([False, True, False],index=['viper', 'sidewinder', 'cobra'])]max_speed  shield
sidewinder          7       8

7、索引（与相同的行为df.reindex）

>>> df.loc[pd.Index(["cobra", "viper"], name="foo")]max_speed  shield
foo
cobra          1       2
viper          4       5

8、返回布尔系列的条件

>>> df.loc[df['shield'] > 6]max_speed  shield
sidewinder          7       8

9、返回指定列标签的布尔系列的条件

>>> df.loc[df['shield'] > 6, ['max_speed']]max_speed
sidewinder          7

10、返回布尔系列的可调用对象

>>> df.loc[lambda df: df['shield'] == 8]max_speed  shield
sidewinder          7       8

二、设置值

1、为与标签列表匹配的所有项目设置值

>>> df.loc[['viper', 'sidewinder'], ['shield']] = 50
>>> dfmax_speed  shield
cobra               1       2
viper               4      50
sidewinder          7      50

2、为整行设置值

>>> df.loc['cobra'] = 10
>>> dfmax_speed  shield
cobra              10      10
viper               4      50
sidewinder          7      50

3、为整列设置值

>>> df.loc[:, 'max_speed'] = 30
>>> dfmax_speed  shield
cobra              30      10
viper              30      50
sidewinder         30      50

4、为匹配可调用条件的行设置值

>>> df.loc[df['shield'] > 35] = 0
>>> dfmax_speed  shield
cobra              30      10
viper               0       0
sidewinder          0       0

三、使用具有整数标签的索引获取 DataFrame 上的值

1、使用整数作为索引的另一个示例

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],index=[7, 8, 9], columns=['max_speed', 'shield'])
>>> dfmax_speed  shield
7          1       2
8          4       5
9          7       8

2、用整数标签为行切片。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

四、使用 MultiIndex 获取值

1、使用带有 MultiIndex 的 DataFrame 的许多示例

>>> 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)
>>> dfmax_speed  shield
cobra      mark i           12       2mark ii           0       4
sidewinder mark i           10      20mark ii           1       4
viper      mark ii           7       1mark iii         16      36

2、单一标签。请注意，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

3、单索引元组。请注意，这将返回一个系列。

>>> df.loc[('cobra', 'mark ii')]
max_speed    0
shield       4
Name: (cobra, mark ii), dtype: int64

4、行和列的单一标签。与传入元组类似，这将返回一个系列。

>>> df.loc['cobra', 'mark i']
max_speed    12
shield        2
Name: (cobra, mark i), dtype: int64

5、单元组。注意 using[[ ]]返回一个 DataFrame。

>>> df.loc[[('cobra', 'mark ii')]]max_speed  shield
cobra mark ii          0       4

6、索引的单个元组，列的单个标签

>>> df.loc[('cobra', 'mark i'), 'shield']
2

7、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       2mark ii           0       4
sidewinder mark i           10      20mark ii           1       4
viper      mark ii           7       1mark iii         16      36

8、从索引元组切片到索引元组

>>> df.loc[('cobra', 'mark i'):('viper', 'mark ii')]max_speed  shield
cobra      mark i          12       2mark ii          0       4
sidewinder mark i          10      20mark ii          1       4
viper      mark ii          7       1

参考官方文档。