Python | Pandas 使用 .loc[] 提取行

Pandas 是 Python 中重要的数据处理库，可以方便地读取，处理和分析数据。.loc[] 是 Pandas 中一个用于提取行的方法，本文将介绍如何使用 .loc[] 方法来提取 Pandas 数据框中的行。

.loc[] 方法介绍

.loc[] 方法是 Pandas 中用于通过标签提取行或列的方法。它的一般形式如下：

DataFrame.loc[label]

其中 DataFrame 表示要提取行或列的数据框，label 是用于提取行或列的标签。.loc[] 方法可以接受一个标签也可以接受一个标签列表来提取多行或多列。

.loc[] 提取单行

使用 .loc[] 方法可以方便地提取 Pandas 数据框中的单行数据。假设我们有一个数据框 data，其中包含了名字，性别和年龄：

import pandas as pd

data = pd.DataFrame({
    'Name':['Tom', 'Jerry', 'Mike'],
    'Gender':['Male', 'Male', 'Female'],
    'Age':[18, 21, 19]
})

可以使用 .loc[] 方法提取某一行数据。例如，要提取第一行数据，可以使用以下代码：

data.loc[0]

这将返回一个 Pandas Series 类型的数据，包含了第一行的所有数据。

.loc[] 提取多行

如果要在 Pandas 数据框中提取多行数据，则可以将要提取的行标签放在一个列表中，再传递给 .loc[] 方法。例如，提取第一行和第二行数据：

data.loc[[0,1]]

这将返回一个包含第一行和第二行数据的 Pandas 数据框。

.loc[] 条件提取行

除了通过行标签提取行外，还可以使用条件语句来筛选出符合条件的行。例如，我们可以筛选出所有年龄大于等于 19 的行：

data.loc[data.Age >= 19]

这将返回一个 Pandas 数据框，其中包含了所有年龄大于等于 19 的行数据。

除了使用单个条件进行筛选外，也可以使用逻辑运算符来筛选多条件下的数据：

data.loc[(data.Age > 18) & (data.Gender == 'Male')]

这将返回一个 Pandas 数据框，其中包含了所有年龄大于 18，性别为 Male 的行数据。

.loc[] 提取行与列

使用 .loc[] 方法还可以同时提取行和列。例如，我们可以提取第二行到第三行所有列的数据：

data.loc[1:2, :]

其中第一个参数表示行标签下限和上限（这里是第二行到第三行），第二个参数表示列标签下限和上限（这里是所有列，即“:”）。

总结

在 Pandas 中，使用 .loc[] 方法可以方便地提取行或列。通过 .loc[] 方法可以提取单行，多行，根据条件筛选行，同时提取行和列等。使用 .loc[] 方法能够帮助程序员更加方便地处理和分析数据。