loc简介

Pandas 的 loc 访问器用于基于标签的索引，它可以用于选择 DataFrame 或 Series 中的数据子集。loc 允许你指定行标签和列标签的组合来精确地选择你需要的数据。

以下是 loc 的一些关键特点：

基于标签的索引:
使用行标签和列标签来选择数据。

选择单列:
可以仅通过行标签选择单列的数据。

选择多列:
可以选择多列，返回一个 DataFrame。

选择单行:
可以通过指定单个行标签来选择单行。

选择多行:
可以选择多行，返回一个 DataFrame。

使用切片:
可以使用标签切片来选择数据范围。

布尔索引:
可以与布尔数组一起使用来进行条件选择。

就地修改:
可以就地修改数据，不返回新的 DataFrame。

保持索引:
默认情况下，使用 loc 选择数据会保持原始索引。

loc总结

本篇例子

import numpy as np
import pandas as pd
df = pd.DataFrame(data=[{"A":"1", "B":"3", "C":"4"}, {"A":"3", "B":"2", "C":"5"}, {"A":"2", "B":"1", "C":"6"}])
df = pd.DataFrame(data=[{"A":1, "B":3, "C":4}, {"A":3, "B":2, "C":5}, {"A":2, "B":1, "C":6}])

loc 用行名 + 列名

df.loc[控制行,控制列]  # 原理
df.loc["行A名","列B名"]  # 单行单列，这里1个数
df.loc[1,"B"]

import numpy as np
import pandas as pd
df = pd.DataFrame(data=[{"A":"1", "B":"3", "C":"4"}, {"A":"3", "B":"2", "C":"5"}, {"A":"2", "B":"1", "C":"6"}])
print(df)
data = df.loc[1,"B"]
print(data)

loc 行名 + :

df.loc[控制行,控制列]  # 原理
df.loc["行A名",:]  # 单行n列，就一行咯
df.loc[2,:]

import numpy as np
import pandas as pd
df = pd.DataFrame(data=[{"A":"1", "B":"3", "C":"4"}, {"A":"3", "B":"2", "C":"5"}, {"A":"2", "B":"1", "C":"6"}])
print(df)
data = df.loc[2,:]
print(data)

Name: 2, dtype: int64

loc : + 列名

df.loc[:, "列A名"]  # n行单列，就一列咯
pd.DataFrame(df.loc[:, "列A名"])  # 这里是Series类型，要转回DataFrame类型
df.loc[:, "B"]

import numpy as np
import pandas as pd
df = pd.DataFrame(data=[{"A":"1", "B":"3", "C":"4"}, {"A":"3", "B":"2", "C":"5"}, {"A":"2", "B":"1", "C":"6"}])
print(df)
data = df.loc[:, "B"]
print(data)

Name: B, dtype: int64

loc 不连续获得值

df.loc[['行A名','行D名'],['列A名','列D名']]  # 2行2列，4个数（不连续的）
df.loc[[0,2],['A','C']]

import numpy as np
import pandas as pd
df = pd.DataFrame(data=[{"A":"1", "B":"3", "C":"4"}, {"A":"3", "B":"2", "C":"5"}, {"A":"2", "B":"1", "C":"6"}])
print(df)
data = df.loc[[0,2],['A','C']]
print(data)

loc连续获得值

df.loc['行A名':'行D名','列A名':'列D名']  # 2行2列，4个数（连续的）
df.loc[0:2,'A':'C']

import numpy as np
import pandas as pd
df = pd.DataFrame(data=[{"A":"1", "B":"3", "C":"4"}, {"A":"3", "B":"2", "C":"5"}, {"A":"2", "B":"1", "C":"6"}])
print(df)
data = df.loc[0:2,'A':'C']
print(data)

loc修改值

df.loc[i1, i2, i3, i4]["列A名"] = "新值"  # 多index
df.loc[i1, "列A名"] = "新值"
df.loc[2, "B"] = 99

import numpy as np
import pandas as pd
df = pd.DataFrame(data=[{"A":"1", "B":"3", "C":"4"}, {"A":"3", "B":"2", "C":"5"}, {"A":"2", "B":"1", "C":"6"}])
print(df)
df.loc[2, "B"] = 99
print(df)

data.loc[(data['A'] == 0) & (data['B'] == 1) & (data['C'].isnull())]

选择数据后改

df.loc[df['判断列'] == 0, '目标列'] = "目标列改成xx"

筛选时间

import datetime
df["start_time"] = pd.to_datetime(df["start_time"], format='%Y-%m-%d %H:%M:%S')
df["end_time"] = pd.to_datetime(df["end_time"], format='%Y-%m-%d %H:%M:%S')
now = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')  # 字符串
df = df.loc[(df['start_time'] <= now) & (df['end_time'] >= now)]