Использование метода Pandas DataFrame loc[] в Python с примерами

Функция Pandas DataFrame loc[] используется в Python для доступа к группе строк и столбцов по меткам или логическому массиву. Метод loc() в основном выполняется на основе меток, но булев массив также может это делать.

Содержание

Что такое функция DataFrame loc[] в Pandas?
Синтаксис
Параметры
Возвращаемое значение
Пример
Доступ к нескольким столбцам DataFrame с помощью loc[]
Pandas DataFrame loc[] в Jupyter Notebook
loc[] с одной меткой в DataFrame
Получение единственного значения
Pandas loc[] с условными операторами
С лямбда-функцией
Установка значений DataFrame с помощью loc[]
Заключение

Что такое функция DataFrame loc[] в Pandas?

Pandas DataFrame loc — это уникальный метод, который принимает метки индекса и возвращает строку или DataFrame, если метка индекса существует в вызывающем DataFrame. Входные данные могут быть различных типов. Одна метка, например, 9 или «x», или любое другое одиночное значение может быть любого типа. Это может быть список или массив меток. Ex – [‘a’,’b’,’c’,’d’], и это также может быть логический массив. Ex- [False, True, False].

Синтаксис

DataFrame.loc[]

1	DataFrame.loc[]

Параметры

Вот некоторые из разрешенных входных данных:

Одиночная метка — возвращает строку как объект серии.
Список меток — возвращает DataFrame выбранных строк.
Срез с метками — возвращает серию с указанными строками, включая начальные и конечные метки.
Логический массив — возвращает DataFrame для меток True; длина массива должна быть такой же, как у выбранной оси.
Условный оператор или лямбда-функция — возвращает допустимое значение для выбора возвращаемых строк и столбцов.

Возвращаемое значение

Pandas loc[] возвращает скалярные значения, серии или DataFrame в зависимости от ввода.

Пример

Напишем программу, показывающую работу метода loc() в Python.

import pandas as pd

dataset = {
    'Name': ['Rohit', 'Mohit', 'Sohit', 'Arun', 'Shubh'],
    'Roll no': ['01', '03', '04', '05', '09'],
    'Maths': ['93', '63', '74', '94', '83'],
    'Science': ['88', '55', '66', '94', '35'],
    'English': ['93', '74', '84', '92', '87']}

# Changing the above dictionary into dataframe
df = pd.DataFrame(dataset)

# Setting index values
index_values = ['1', '2', '3', '4', '5']

# Matching the index with the dataset
df.index = index_values
print("Dataframe:\n\n")
print(df)

# Now trying to access Sohit marks in maths only using loc()
result_dataframe = df.loc['3', 'maths']
print("\n\n Marks of Sohit in Maths:", result_dataframe)

import pandas as pd

dataset = {

'Name': ['Rohit', 'Mohit', 'Sohit', 'Arun', 'Shubh'],

'Roll no': ['01', '03', '04', '05', '09'],

'Maths': ['93', '63', '74', '94', '83'],

'Science': ['88', '55', '66', '94', '35'],

'English': ['93', '74', '84', '92', '87']}

# Changing the above dictionary into dataframe

df = pd.DataFrame(dataset)

# Setting index values

index_values = ['1', '2', '3', '4', '5']

# Matching the index with the dataset

df.index = index_values

print("Dataframe:\n\n")

print(df)

# Now trying to access Sohit marks in maths only using loc()

result_dataframe = df.loc['3', 'maths']

print("\n\n Marks of Sohit in Maths:", result_dataframe)

Выход:

Dataframe:

    Name Roll no Maths Science English
1  Rohit      01    93      88      93
2  Mohit      03    63      55      74
3  Sohit      04    74      66      84
4   Arun      05    94      94      92
5  Shubh      09    83      35      87

 Marks of Sohit in Maths: 74

Dataframe:

Name Roll no Maths Science English

1 Rohit 01 93 88 93

2 Mohit 03 63 55 74

3 Sohit 04 74 66 84

4 Arun 05 94 94 92

5 Shubh 09 83 35 87

Marks of Sohit in Maths: 74

В приведенном выше примере мы создали словарь для хранения небольших наборов данных учащихся, которые включали в себя имена учащихся, отсутствие оценок по различным предметам, таким как математика, естествознание и английский язык. Предположим, мы хотим получить оценки одного учащегося по определенному предмету, тогда мы можем использовать метод loc() и передать имя учащегося и столбец, чтобы получить желаемый результат.

Доступ к нескольким столбцам DataFrame с помощью loc[]

Вы можете получить доступ к нескольким столбцам DataFrame, используя свойство loc[].

Напишем программу для возврата нескольких столбцов с помощью функции loc().

import pandas as pd

dataset = {
    'Name': ['Rohit', 'Mohit', 'Sohit', 'Arun', 'Shubh'],
    'Roll no': ['01', '03', '04', '05', '09'],
    'maths': ['93', '63', '74', '94', '83'],
    'science': ['88', '55', '66', '94', '35'],
    'english': ['93', '74', '84', '92', '87']}

# Changing the above dictionary into dataframe
df = pd.DataFrame(dataset)

# Setting index values
index_values = ['1', '2', '3', '4', '5']
# Matching the index with the dataset

df.index = index_values
print("Dataframe:\n\n")
print(df)

# Now trying to return multiple columns
result_dataframe = df.loc[:, ['Roll no', 'maths']]
print("\n\n Multiple Columns:\n", result_dataframe)

import pandas as pd

dataset = {

'Name': ['Rohit', 'Mohit', 'Sohit', 'Arun', 'Shubh'],

'Roll no': ['01', '03', '04', '05', '09'],

'maths': ['93', '63', '74', '94', '83'],

'science': ['88', '55', '66', '94', '35'],

'english': ['93', '74', '84', '92', '87']}

# Changing the above dictionary into dataframe

df = pd.DataFrame(dataset)

# Setting index values

index_values = ['1', '2', '3', '4', '5']

# Matching the index with the dataset

df.index = index_values

print("Dataframe:\n\n")

print(df)

# Now trying to return multiple columns

result_dataframe = df.loc[:, ['Roll no', 'maths']]

print("\n\n Multiple Columns:\n", result_dataframe)

Выход:

Dataframe:

    Name Roll no maths science english
1  Rohit      01    93      88      93
2  Mohit      03    63      55      74
3  Sohit      04    74      66      84
4   Arun      05    94      94      92
5  Shubh      09    83      35      87


 Multiple Columns:
   Roll no maths
1      01    93
2      03    63
3      04    74
4      05    94
5      09    83

Dataframe:

Name Roll no maths science english

1 Rohit 01 93 88 93

2 Mohit 03 63 55 74

3 Sohit 04 74 66 84

4 Arun 05 94 94 92

5 Shubh 09 83 35 87

Multiple Columns:

Roll no maths

1 01 93

2 03 63

3 04 74

4 05 94

5 09 83

В приведенном выше примере мы видим, что мы вернули несколько столбцов, используя функцию loc() для одного и того же набора данных студентов. Столбцы, которые мы вернули, представляют собой roll number и maths из 5 столбцов. Мы можем вернуть несколько столбцов, оставив первый параметр пустым, а второй параметр — имя столбцов, которые мы хотим вернуть, разделенные знаком «:».

Pandas DataFrame loc[] в Jupyter Notebook

Jupyter Notebook — это веб-приложение с открытым исходным кодом, которое позволяет нам создавать и обмениваться документами, содержащими уравнения, визуализации, живой код и описательный текст, включая очистку и преобразование данных, численное моделирование, статистическое моделирование, визуализацию данных, машинное обучение и намного больше.

Давайте создадим блокнот и импортируем Pandas.

import pandas as pd

1	import pandas as pd

Теперь мы будем использовать набор данных ratings.csv.

Нашим следующим шагом будет создание DataFrame с использованием функции Pandas read_csv().

df = pd.read_csv('ratings.csv')
df.head()

1 2	df = pd.read_csv('ratings.csv') df.head()

Мы должны использовать функцию DataFrame.head() для выбора первых пяти строк, потому что DataFrame очень большой, и нам не нужно показывать полный DataFrame.

Теперь давайте получим доступ к строкам и столбцам, используя Pandas loc[].

loc[] с одной меткой в DataFrame

Мы можем получить к нему доступ, используя одну метку в Pandas DataFrame.

df.loc[1]

df.loc[1]

Он возвращает первую строку DataFrame в объекте Series.

Мы можем увидеть тип объекта, используя функцию type().

Получение единственного значения

Мы можем получить одно значение, указав строки DataFrame и метки столбцов.

Давайте найдем placeID для строки 5 и индекса 4.

Вы можете видеть, что мы получили значение placeID, равное 135104.

Pandas loc[] с условными операторами

Мы можем получить значения DataFrame, используя условные операторы.

Скажем, нам нужны первые 5 строк, у которых food_rating > 1.

df.loc[df['food_rating'] > 1].head()

1	df.loc[df['food_rating'] > 1].head()

В выводе вы можете видеть, что мы получили первые пять строк, у которых food_rating > 1.

С лямбда-функцией

Функция Python Lambda — это функция, определенная без имени. Мы можем использовать loc[] с лямбда-функцией.

df.loc[lambda df1: df1['userID'] == 'U1077']

1	df.loc[lambda df1: df1['userID'] == 'U1077']

Мы определили и вызвали лямбда-функцию внутри loc[], чтобы получить единственные строки, чей идентификатор пользователя равен U1077.

Установка значений DataFrame с помощью loc[]

Мы можем установить значения DataFrame, используя атрибут loc[].

Мы можем установить единственное значение, указав метки строк и столбцов, чтобы установить значение определенного индекса.

df.loc[1, 'rating'] = 3
df.head()

1 2	df.loc[1, 'rating'] = 3 df.head()

Вы можете видеть, что мы изменили рейтинг 1 проиндексированной строки с 2 до 3. Наш обновленный DataFrame отразил это значение. Мы можем установить значения для всей строки.

Давайте назначим значение Python None для идентификатора пользователя U1068.

df.loc[2] = None
df.head()

1 2	df.loc[2] = None df.head()

Вы можете видеть в значениях третьей строки, что строка превратилась в None, а числовые значения превратились в NaN.

Заключение

Атрибут Python DataFrame loc[] полезен, потому что мы можем получать определенные значения, а также устанавливать значения. Поддержка условных параметров и лямбда-выражений с атрибутом loc[] делает его надежным ресурсом.