官方函数
DataFrame.loc
Access a group of rows and columns by label(s) or a boolean array.
.loc[] is primarily label based, but may also be used with a boolean array.
# 可以使用label值,但是也可以使用布尔值
slice object with labels, e.g. ‘a":"f".
Warning: #如果使用多个label的切片,那么切片的起始位置都是包含的
Note that contrary to usual python slices, both the start and the stop are included
实例详解
一、选择数值
1、生成df
df = pd.DataFrame([[1, 2], [4, 5], [7, 8]], ... index=["cobra", "viper", "sidewinder"], ... columns=["max_speed", "shield"]) df Out[15]: max_speed shield cobra 1 2 viper 4 5 sidewinder 7 8
2、Single label. 单个 row_label 返回的Series
df.loc["viper"] Out[17]: max_speed 4 shield 5 Name: viper, dtype: int64
2、List of labels. 列表 row_label 返回的DataFrame
df.loc[["cobra","viper"]] Out[20]: max_speed shield cobra 1 2 viper 4 5
3、Single label for row and column 同时选定行和列
df.loc["cobra", "shield"] Out[24]: 2
4、Slice with labels for row and single label for column. As mentioned above, note that both the start and stop of the slice are included. 同时选定多个行和单个列,注意的是通过列表选定多个row label 时,首位均是选定的。
df.loc["cobra":"viper", "max_speed"] Out[25]: cobra 1 viper 4 Name: max_speed, dtype: int64
5、Boolean list with the same length as the row axis 布尔列表选择row label
布尔值列表是根据某个位置的True or False 来选定,如果某个位置的布尔值是True,则选定该row
df Out[30]: max_speed shield cobra 1 2 viper 4 5 sidewinder 7 8 df.loc[[True]] Out[31]: max_speed shield cobra 1 2 df.loc[[True,False]] Out[32]: max_speed shield cobra 1 2 df.loc[[True,False,True]] Out[33]: max_speed shield cobra 1 2 sidewinder 7 8
6、Conditional that returns a boolean Series 条件布尔值
df.loc[df["shield"] > 6] Out[34]: max_speed shield sidewinder 7 8
7、Conditional that returns a boolean Series with column labels specified 条件布尔值和具体某列的数据
df.loc[df["shield"] > 6, ["max_speed"]] Out[35]: max_speed sidewinder 7
8、Callable that returns a boolean Series 通过函数得到布尔结果选定数据
df Out[37]: max_speed shield cobra 1 2 viper 4 5 sidewinder 7 8 df.loc[lambda df: df["shield"] == 8] Out[38]: max_speed shield sidewinder 7 8
二、赋值
1、Set value for all items matching the list of labels 根据某列表选定的row 及某列 column 赋值
df.loc[["viper", "sidewinder"], ["shield"]] = 50 df Out[43]: max_speed shield cobra 1 2 viper 4 50 sidewinder 7 50
2、Set value for an entire row 将某行row的数据全部赋值
df.loc["cobra"] =10 df Out[48]: max_speed shield cobra 10 10 viper 4 50 sidewinder 7 50
3、Set value for an entire column 将某列的数据完全赋值
df.loc[:, "max_speed"] = 30 df Out[50]: max_speed shield cobra 30 10 viper 30 50 sidewinder 30 50
4、Set value for rows matching callable condition 条件选定rows赋值
df.loc[df["shield"] > 35] = 0 df Out[52]: max_speed shield cobra 30 10 viper 0 0 sidewinder 0 0
三、行索引是数值
df = pd.DataFrame([[1, 2], [4, 5], [7, 8]], ... index=[7, 8, 9], columns=["max_speed", "shield"]) df Out[54]: max_speed shield 7 1 2 8 4 5 9 7 8
通过 行 rows的切片的方式取多个:
df.loc[7:9] Out[55]: max_speed shield 7 1 2 8 4 5 9 7 8
四、多维索引
1、生成多维索引
tuples = [ ... ("cobra", "mark i"), ("cobra", "mark ii"), ... ("sidewinder", "mark i"), ("sidewinder", "mark ii"), ... ("viper", "mark ii"), ("viper", "mark iii") ... ] index = pd.MultiIndex.from_tuples(tuples) values = [[12, 2], [0, 4], [10, 20], ... [1, 4], [7, 1], [16, 36]] df = pd.DataFrame(values, columns=["max_speed", "shield"], index=index) df Out[57]: max_speed shield cobra mark i 12 2 mark ii 0 4 sidewinder mark i 10 20 mark ii 1 4 viper mark ii 7 1 mark iii 16 36
2、Single label. 传入的就是最外层的row label,返回DataFrame
df.loc["cobra"] Out[58]: max_speed shield mark i 12 2 mark ii 0 4
3、Single index tuple.传入的是索引元组,返回Series
df.loc[("cobra", "mark ii")] Out[59]: max_speed 0 shield 4 Name: (cobra, mark ii), dtype: int64
4、Single label for row and column.如果传入的是row和column,和传入tuple是类似的,返回Series
df.loc["cobra", "mark i"] Out[60]: max_speed 12 shield 2 Name: (cobra, mark i), dtype: int64
5、Single tuple. Note using [[ ]] returns a DataFrame.传入一个数组,返回一个DataFrame
df.loc[[("cobra", "mark ii")]] Out[61]: max_speed shield cobra mark ii 0 4
6、Single tuple for the index with a single label for the column 获取某个colum的某row的数据,需要左边传入多维索引的tuple,然后再传入column
df.loc[("cobra", "mark i"), "shield"] Out[62]: 2
7、传入多维索引和单个索引的切片:
df.loc[("cobra", "mark i"):"viper"] Out[63]: max_speed shield cobra mark i 12 2 mark ii 0 4 sidewinder mark i 10 20 mark ii 1 4 viper mark ii 7 1 mark iii 16 36 df.loc[("cobra", "mark i"):"sidewinder"] Out[64]: max_speed shield cobra mark i 12 2 mark ii 0 4 sidewinder mark i 10 20 mark ii 1 4 df.loc[("cobra", "mark i"):("sidewinder","mark i")] Out[65]: max_speed shield cobra mark i 12 2 mark ii 0 4 sidewinder mark i 10 20
文章浏览阅读637次。vector 初始化_初始化vector数组
文章浏览阅读1w次,点赞12次,收藏51次。程序:开发写的代码称之为程序。程序就是一堆代码,一组数据和指令集,是一个静态的概念。进程(Process):将程序运行起来,我们称之为进程。进程是执行程序的一次执行过程,它是动态的概念。进程存在生命周期,也就是说程序随着程序的终止而销毁。进程之间是通过TCP/IP端口实现交互的。线程(Thread):线程是进程中的实际运作的单位,是进程的一条流水线,是程序的实际执行者,是最小的执行单位。通常在一个进程中可以包含若干个线程,当然一个进程中至少有一个线程。线程是CPU调度和执行的最小单位。注意。_java多线程
文章浏览阅读1.3k次,点赞2次,收藏5次。vscode是一款越来越受码农们喜爱的软件,大多数人学习编程绕不开的一部分就是算法,很多人都喜欢刷LeetCode的题目,本篇文章就讲述如何用vscode快乐的刷LeetCode的题目。首先我们需要准备vscode这个软件,可以去官网自行下载。下载地址:https://code.visualstudio.com/。傻瓜式安装即可,安装完成后打开软件,如果英文看不习惯可安装中文插件(vscode的大量插件拓展让这个软件变得深受喜爱)。一、首先点击应用商店,输入language搜索,选择中文简体,点击安装_vacod怎么刷leetco题目
文章浏览阅读143次。中文文档:http://sklearn.apachecn.org/cn/stable/modules/manifold.html 英文文档:http://sklearn.apachecn.org/en/stable/modules/manifold.html 官方文档:http://..._arpack用户指南,
文章浏览阅读793次,点赞14次,收藏17次。通过本章的讲解 ,我们应该理解了Paxos算法的核心内容:Basic Paxos算法和Multi-Paxos 思想。Basic Paxos 是经过证明的,而 Multi-Paxos 是一种思想,缺失实现算法的必须编程细节,这就导致Multi-Paxos 的最终算法实现,是建立在一个未经证明的基础之上的,正确性是个问号。所以在实际使用时,不推荐设计和实现新的 Multi-Paxos 算法,而是建议优先考虑 Raft 算法,因为 Raft 的正确性是经过证明的。
文章浏览阅读164次。传统的TCP拥塞控制算法AIMD,TCP Reno算法_用matlab比较慢启动算法和tcp reno算法
文章浏览阅读2.1k次。第一章 单元测试1、问题:01110011:流程图中用下列哪一个图形符号表示判断?()选项:A:矩形框B:菱形框C:平行四边形框D:圆形框答案: 【菱形框】2、问题:01110021:流程图中用下列哪种图形符号表示事情处理过程的开始?(选项:A:圆括号矩形B:矩形C:箭头D:圆圈答案: 【圆括号矩形】3、问题:01110031:流程图中用于描述输出的是下列哪一个图形符号?选项:A:矩形框B:菱形框..._c语言不合法的变量
文章浏览阅读441次。目录概述环境说明准备内容部署步骤(部分步骤可忽略)概述本文介绍在Linux下部署Mysql的详细步骤,以供参考。环境说明OS Version:CentOS Linux release 8.1.1911 (此为发行版本)Linux下查看系统版本命令查看系统发行版本:cat /etc/redhat-release查看系统内核版本:uname -a准备内容Linux文件命令行工具Xshell 4下载地址链接:https://pan.baidu.com/s/1yBHjFQeD5IxOl_linux 部署mysql
文章浏览阅读1.3k次,点赞22次,收藏25次。最近新入职新公司,内网开发()。将现有nodejs服务打包成指定平台(国产麒麟系统V10,arm64架构)可执行文件交付,避免源代码泄露。在我完完全全掌握了他的原理后,我终于解决了我所遇到的坑,特此记录学习,参考(基于es6规范封装 Express + DM8 + WebSocket + PKG )_nodejs pkg 指定node
文章浏览阅读887次。列表偏移来源:http://www.coolpython.net/python_primary/algorithm_exercises/easy_list_shift.html题目要求lst = [1,2,3,4,5],列表向右偏移两位后,变成lst = [4,5,1,2,3]思路分析第一种方式:用切片将 [1,2,3] 和 [4,5] 取出来,之后合并在一起lst = [1,2,3,4,5]result = lst[3:]+lst[:3]print(result)或者lst = [_列表偏移:现有lst = [1,2,3,4,5],将列表向右偏移2位后,变成lst = [4,5,1,2,3]
文章浏览阅读366次。一、PXC 介绍1.1 PXC 简介PXC是一套MySQL高可用集群解决方案,与传统的基于主从复制模式的集群架构相比 PXC 最突出特点就是解决了诟病已久的数据复制延迟问题,基本上可以达到实时同步。而且节点与节点之间,他们相互的关系是对等的。PXC 最关注的是数据的一致性,对待事物的行为时,要么在所有节点上执行,要么都不执行,它的实现机制决定了它对待一致性的行为非常严格,这也能非常完美的保证 MySQL 集群的数据一致性;1.2 PXC特性和优点完全兼容 MySQL。 同步复制,事务..._gcomm://
文章浏览阅读487次,点赞5次,收藏4次。总之,MES系统是一种强大的生产管理工具,可以帮助企业提高生产效率、优化生产流程、降低成本、提高产品质量和客户满意度。_锂电池mes系统