pandas.DataFrame.loc#
- property DataFrame.loc[源代码]#
通过标签或布尔数组访问一组行和列。
.loc[]主要是基于标签的，但也可以与布尔数组一起使用。允许的输入是：
一个单独的标签，例如
5或'a'，（注意5被解释为索引的 标签 ，并且 绝不是 作为索引沿线的整数位置）。一个标签列表或数组，例如
['a', 'b', 'c']。带有标签的切片对象，例如
'a':'f'。警告
请注意，与通常的 python 切片相反，两者 起始和结束都包括在内
一个与被切片轴长度相同的布尔数组，例如
[True, False, True]。一个可对齐的布尔序列。在掩码之前，键的索引将被对齐。
一个可对齐的索引。返回选择项的索引将是输入。
一个带有单个参数（调用的 Series 或 DataFrame）的
callable函数，并返回有效的索引输出（上述之一）
更多信息请参见 按标签选择。
- 引发:
- KeyError
如果任何项目未找到。
- 索引错误
如果传递了一个索引键，但其索引无法与帧索引对齐。
参见
DataFrame.at访问行/列标签对的一个单一值。
DataFrame.iloc通过整数位置访问行和列的组。
DataFrame.xs返回 Series/DataFrame 的一个横截面（行或列）。
Series.loc使用标签访问值组。
例子
获取值
>>> 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。注意这返回的是一个 Series 行。
>>> df.loc["viper"] max_speed 4 shield 5 Name: viper, dtype: int64
标签列表。注意使用
[[]]返回一个 DataFrame。>>> df.loc[["viper", "sidewinder"]] max_speed shield viper 4 5 sidewinder 7 8
行和列的单一标签
>>> df.loc["cobra", "shield"] 2
带有行标签和单个列标签的切片。如上所述，请注意切片的开始和结束都包含在内。
>>> df.loc["cobra":"viper", "max_speed"] cobra 1 viper 4 Name: max_speed, dtype: int64
布尔列表，长度与行轴相同
>>> df.loc[[False, False, True]] max_speed shield sidewinder 7 8
可对齐的布尔序列：
>>> 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
返回布尔序列的条件
>>> df.loc[df["shield"] > 6] max_speed shield sidewinder 7 8
返回一个布尔序列的条件，带有指定的列标签
>>> df.loc[df["shield"] > 6, ["max_speed"]] max_speed sidewinder 7
使用
&返回布尔序列的多重条件>>> df.loc[(df["max_speed"] > 1) & (df["shield"] < 8)] max_speed shield viper 4 5
使用
|的多个条件返回一个布尔序列>>> df.loc[(df["max_speed"] > 4) | (df["shield"] < 5)] max_speed shield cobra 1 2 sidewinder 7 8
请确保每个条件都用括号
()包裹。有关布尔索引的更多详细信息和解释，请参阅 用户指南。返回布尔序列的可调用对象
>>> df.loc[lambda df: df["shield"] == 8] max_speed shield sidewinder 7 8
设置值
为所有匹配标签列表的项目设置值
>>> df.loc[["viper", "sidewinder"], ["shield"]] = 50 >>> df max_speed shield cobra 1 2 viper 4 50 sidewinder 7 50
为整行设置值
>>> df.loc["cobra"] = 10 >>> df max_speed shield cobra 10 10 viper 4 50 sidewinder 7 50
为整个列设置值
>>> 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
添加值匹配位置
>>> df.loc["viper", "shield"] += 5 >>> df max_speed shield cobra 30 10 viper 0 5 sidewinder 0 0
使用
Series或DataFrame设置值时，是根据索引标签匹配的，而不是索引位置。>>> shuffled_df = df.loc[["viper", "cobra", "sidewinder"]] >>> df.loc[:] += shuffled_df >>> df max_speed shield cobra 60 20 viper 0 10 sidewinder 0 0
使用带有整数标签索引的DataFrame获取值
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
使用整数标签进行行切片。如上所述，请注意切片的开始和结束都包含在内。
>>> df.loc[7:9] max_speed shield 7 1 2 8 4 5 9 7 8
使用 MultiIndex 获取值
使用带有 MultiIndex 的 DataFrame 的多个示例
>>> 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。注意这返回一个带有单一索引的DataFrame。
>>> df.loc["cobra"] max_speed shield mark i 12 2 mark ii 0 4
单个索引元组。注意这返回一个 Series。
>>> df.loc[("cobra", "mark ii")] max_speed 0 shield 4 Name: (cobra, mark ii), dtype: int64
行和列的单一标签。类似于传递一个元组，这将返回一个 Series。
>>> df.loc["cobra", "mark i"] max_speed 12 shield 2 Name: (cobra, mark i), dtype: int64
单个元组。注意使用
[[]]返回一个 DataFrame。>>> 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
从索引元组切片到索引元组
>>> 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
更多详细信息和高级索引的解释，请参见 用户指南。