pandas .loc[row_indexer,col_indexer]

pandas 的 .loc 属性用于选择 DataFrame 中的行和列。row_indexer 参数指定要选择的行的索引，col_indexer 参数指定要选择的列的索引。例如：

import pandas as pd

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

# 选择第 1 行，第 'A' 列和第 'C' 列
df.loc[1, ['A', 'C']]

输出：

A    2
C    8
Name: 1, dtype: int64

相关问题

pandas 出现此错误A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead

这个错误通常出现在使用 Pandas 进行切片操作后进行赋值时。为了避免这个错误，建议使用 `.loc` 或 `.iloc` 来进行赋值操作。

这是因为对 DataFrame 进行切片操作会返回一个视图（view）而不是副本（copy），因此对视图进行赋值可能会影响到原始 DataFrame。为了明确指定要修改的数据位置，可以使用 `.loc` 或 `.iloc` 方法。

以下是一个示例代码：

import pandas as pd

# 创建示例数据
data = {'col1': ['80123', '80456', '70123', '80234', '90567']}
df = pd.DataFrame(data)

# 使用 .loc 进行赋值
df.loc[df['col1'].str.startswith('80'), 'col1'] = '90' + df['col1'].str[2:]

print(df)

输出结果如下：

    col1
0  90123
1  90456
2  70123
3  90234
4  90567

在这个示例中，我们使用了 `.loc` 来定位以 '80' 开头的行，并对该位置进行赋值操作。我们通过 `'90' + df['col1'].str[2:]` 来获取替换后的值。这样可以避免出现上述错误。

SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy tnl_data['Gender_Label'] = gender_label_enc.fit_transform(tnl_data['Gender']) D:\学习\商务智能\大作业\参考模型\预测代码.py:217: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy tnl_data['Marital_Label'] = marital_label_enc.fit_transform(tnl_data['MaritalStatus'])

这个警告是由 Pandas 提供的，它通常是在使用链式索引时出现的。在上述代码中，可能是 `tnl_data` 是一个 DataFrame 的切片，而不是对原始 DataFrame 的引用，所以在对该切片进行修改时，会出现警告。

为了避免这个警告，可以使用 `.loc` 或 `.iloc` 来对 DataFrame 进行索引和修改，而不是使用链式索引。例如，可以将代码修改为：

tnl_data.loc[:, 'Gender_Label'] = gender_label_enc.fit_transform(tnl_data['Gender'])
tnl_data.loc[:, 'Marital_Label'] = marital_label_enc.fit_transform(tnl_data['MaritalStatus'])

这样就可以避免警告了。另外，你也可以通过设置 Pandas 的选项来禁用这个警告，但不建议这样做。