python df.loc

`df.loc` 是 pandas 库中用于基于标签进行索引和选择数据的函数。它可以用来选择特定行和列的数据，可以使用单个标签、列表或切片来指定索引的范围。

具体用法如下：

import pandas as pd

# 创建一个示例数据框
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 40],
        'City': ['New York', 'Paris', 'London', 'Tokyo']}
df = pd.DataFrame(data)

# 使用 loc 来选择特定行和列
# 选择第一行数据
print(df.loc[0])

# 选择特定行的多个列
print(df.loc[1:3, ['Name', 'City']])

# 使用条件进行筛选
print(df.loc[df['Age'] > 30])

上述代码中，`df.loc` 选择了第一行的所有列，`df.loc[1:3, ['Name', 'City']]` 选择了第二到第四行的 `Name` 和 `City` 列， `df.loc[df['Age'] > 30]` 使用了条件筛选，选择了年龄大于 30 的所有行。

希望这能帮到你！如果还有其他问题，请随时问。

相关问题

python df.loc[]获取df中店铺和规格编码为NaN的数据，并替换成“巨益不存在此单”

可以使用如下的代码实现：

df.loc[(df['店铺'].isna()) & (df['规格编码'].isna()), ['店铺', '规格编码']] = '巨益不存在此单'

这行代码中，我们先使用逻辑运算符 & 对两个条件进行“与”操作，筛选出店铺和规格编码都为 NaN 的行。然后使用 loc 方法定位到这些行，并将“店铺”和“规格编码”这两列的值替换为“巨益不存在此单”。

# 因为数值太大了，因此需要转换单位，转换为以万为单位 for i in new_df.index: new_df.loc[i,'Total Cases'] = new_df.loc[i,'Total Cases'] / 10000 new_df.loc[i,'Total Deaths'] = new_df.loc[i,'Total Deaths'] / 10000 new_df.loc[i,'Total Recovered'] = new_df.loc[i,'Total Recovered'] / 10000

这是一个用于数据处理的Python代码段。在这个例子中，我们使用Pandas库中的"loc"方法遍历名为"new_df"的数据帧中的每一行，并将每一行的"Total Cases"、"Total Deaths"和"Total Recovered"列中的数值除以10000，以便将其转换为以万为单位的数值。这是因为在COVID-19疫情期间，我们经常需要处理的是数值非常大的数据，以便更好地理解和比较各个国家和地区的疫情情况。这个代码段可以帮助我们将数据集中的数值转换为更易于理解和比较的单位。