Что делает df.loc в pandas?

Метод df.loc в библиотеке Pandas позволяет обращаться к данным в датафрейме с помощью меток индексов и столбцов. Он используется для фильтрации и выбора конкретных значений в датафрейме на основе условий.

Пример использования:

import pandas as pd

# Создание датафрейма
data = {'Name': ['John', 'Emma', 'Mike'],
        'Age': [25, 30, 35],
        'City': ['New York', 'Paris', 'London']}
df = pd.DataFrame(data)

# Использование df.loc для выбора строк и столбцов
selected_data = df.loc[df['Age'] > 30, ['Name', 'City']]
print(selected_data)

В приведенном примере мы создаем датафрейм с информацией о людях (имя, возраст и город). Затем мы используем df.loc для выбора строк, где возраст больше 30, и столбцов "Name" и "City". Результатом будет новый датафрейм, содержащий только выбранные данные.

Что делает df.loc в pandas?

В библиотеке pandas для работы с данными в формате таблиц используется класс DataFrame, который представляет собой двумерную структуру данных, состоящую из рядов и столбцов. Одним из способов выбора и манипулирования данными в DataFrame является использование метода df.loc.

Что такое df.loc?

df.loc - это атрибут (или метод) класса DataFrame, который позволяет выбрать данные из DataFrame по меткам (индексам) строк и столбцов. Он обеспечивает более гибкий способ выбора и изменения данных, чем другие методы, такие как df.iloc.

Синтаксис

Синтаксис метода df.loc следующий:

df.loc[row_indexer, column_indexer]

row_indexer и column_indexer - это аргументы метода, которые определяют, какие строки и столбцы выбрать. Они могут быть одним из следующих типов:

• Одиночное значение: например, 'A' - выбрать столбец с меткой 'A'
• Список меток: например, ['A', 'B', 'C'] - выбрать столбцы с метками 'A', 'B' и 'C'
• Срез меток: например, 'A':'C' - выбрать столбцы с метками от 'A' до 'C'
• Логическое выражение: например, df['A'] > 0 - выбрать строки, где значения в столбце 'A' больше 0

Примеры использования

Для лучшего понимания, рассмотрим несколько примеров использования метода df.loc.

Пример 1: Выбор отдельных столбцов по меткам

import pandas as pd

# Создание DataFrame
data = {'A': [1, 2, 3],
        'B': [4, 5, 6],
        'C': [7, 8, 9]}
df = pd.DataFrame(data)

# Выбор столбца 'B' по метке
result = df.loc[:, 'B']

print(result)

Результат:

0    4
1    5
2    6
Name: B, dtype: int64

В этом примере мы создали DataFrame с тремя столбцами A, B и C. Затем мы использовали df.loc[:, 'B'] для выбора столбца 'B' по метке. Результатом является столбец 'B' со значениями 4, 5 и 6.

Пример 2: Выбор строк на основе логического выражения

import pandas as pd

# Создание DataFrame
data = {'A': [1, 2, 3],
        'B': [4, 5, 6],
        'C': [7, 8, 9]}
df = pd.DataFrame(data)

# Выбор строк, где значения столбца 'A' больше 1
result = df.loc[df['A'] > 1, :]

print(result)

Результат:

   A  B  C
1  2  5  8
2  3  6  9

В этом примере мы создали DataFrame и использовали df['A'] > 1 для создания логического выражения, которое возвращает логический массив. Затем мы использовали этот логический массив в df.loc для выбора строк, где значения столбца 'A' больше 1. Результатом является новый DataFrame, содержащий только выбранные строки.

Заключение

Метод df.loc в библиотеке pandas является мощным инструментом для выбора и манипулирования данными в DataFrame. Он позволяет выбирать данные по меткам строк и столбцов, что обеспечивает более гибкий подход к работе с данными. Надеюсь, этот материал помог вам лучше понять, что делает df.loc и как его использовать в ваших аналитических задачах.