在python中使用.loc选择

pd.Dataframe.loc

i

j

如果仅提供一个索引器，则该索引器将应用于数据帧的索引，并且假定缺少的索引器代表所有列。因此，以下两个
示例是等效的。

1. df.loc[i]

2. df.loc[i, :]

其中

:

如果同时存在两个索引器，则

i

j

现在我们可以专注于什么类型的值

i

df

    df = pd.Dataframe([[1, 2], [3, 4]], index=['A', 'B'], columns=['X', 'Y'])

loc

i

j

1. scalars 应该是各个索引对象中的值

   df.loc['A', 'Y']

2. arrays 其元素也是相应索引对象的成员（请注意，我传递给的数组的顺序

   loc

   受尊重

        df.loc[['B', 'A'], 'X']          B    3         A    1         Name: X, dtype: int64

* 传递数组时，请注意返回对象的维数。`i`是上面的数组，`loc`返回一个对象，其中返回带有这些值的索引。在这种情况下，因为j是标量，所以`loc`返回了一个`pd.Series`对象。如果我们为i和传递了一个数组，我们可以操纵它以返回一个数据帧j，并且该数组可能只是一个单值数组。

```
df.loc[[‘B’, ‘A’], [‘X’]]

       X    B  3    A  1

  3. **boolean arrays** 为True或False且长度与相应索引的长度匹配的布尔数组。在这种情况下，loc只需获取布尔数组所在的行（或列） `True`.

    df.loc[[True, False], ['X']]   XA  1

```

除了可以传递给哪些索引器之外

loc

iris_data.loc[iris_data['class'] == 'versicolor', 'class'] = 'Iris-versicolor'

1. iris_data['class'] == 'versicolor'

   返回一个布尔数组。

2. class

   是表示column对象中的值的标量.

3. iris_data.loc[iris_data['class'] == 'versicolor', 'class']

   returns a

   pd.Series

   object consisting of the

   'class'

   column for all rows where

   'class'

   is

   'versicolor'

4. 与赋值运算符一起使用时:

   iris_data.loc[iris_data['class'] == 'versicolor', 'class'] = 'Iris-versicolor'

我们分配

'Iris-versicolor'

'class'

'class'

'versicolor'