### Pandas 中 `loc` 方法的详细用法 `loc` 是 Pandas 库中用于基于标签选择数据的方法。它通过行标签和列标签来定位数据，支持单个标签、标签列表、标签切片以及布尔条件等多种方式来选择数据[^1]。 #### 1. 基本语法 `loc` 的基本语法如下： ```python df.loc[row_indexer, column_indexer] ``` - `row_indexer`：用于指定行的选择条件。 - `column_indexer`：用于指定列的选择条件。 #### 2. 单个标签选择 可以通过单个标签选择某一行或某一列的数据。例如： ```python # 创建一个示例 DataFrame data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35], 'City': ['New York', 'London', 'Paris']} df = pd.DataFrame(data, index=['S1', 'S2', 'S3']) # 选择行标签为 'S1' 的数据 print(df.loc['S1']) # 输出：Name Alice # Age 25 # City New York # 选择列名为 'Age' 的数据 print(df.loc[:, 'Age']) # 输出：S1 25 # S2 30 # S3 35 ``` #### 3. 标签列表选择 可以通过传递标签列表来选择多行或多列的数据。例如： ```python # 选择行标签为 'S1' 和 'S3' 的数据 print(df.loc[['S1', 'S3']]) # 输出： # Name Age City # S1 Alice 25 New York # S3 Charlie 35 Paris # 选择列名为 'Name' 和 'City' 的数据 print(df.loc[:, ['Name', 'City']]) # 输出： # Name City # S1 Alice New York # S2 Bob London # S3 Charlie Paris ``` #### 4. 标签切片选择 可以通过标签切片选择连续的行或列范围。例如： ```python # 选择行标签从 'S1' 到 'S2' 的数据 print(df.loc['S1':'S2']) # 输出： # Name Age City # S1 Alice 25 New York # S2 Bob 30 London # 选择列名为 'Name' 到 'Age' 的数据 print(df.loc[:, 'Name':'Age']) # 输出： # Name Age # S1 Alice 25 # S2 Bob 30 # S3 Charlie 35 ``` #### 5. 布尔条件选择 可以通过布尔条件选择满足特定条件的行。例如： ```python # 选择年龄大于 30 的行 print(df.loc[df['Age'] > 30]) # 输出： # Name Age City # S3 Charlie 35 Paris # 选择年级为 19 的学生（假设有一个包含年级的列） df = pd.DataFrame({'学号': [19102, 19205, 20201], '姓名': ['王红', '李华', '郑晓'], '年级': [19, 19, 20]}) print(df.loc[df['年级'] == 19]) # 输出： # 学号 姓名 年级 # 0 19102 王红 19 # 1 19205 李华 19 ``` #### 6. 多条件选择 可以通过逻辑运算符组合多个条件进行筛选。例如： ```python # 选择年级为 19 且班级小于 4 的学生 df = pd.DataFrame({'学号': [19102, 19205, 20201], '姓名': ['王红', '李华', '郑晓'], '年级': [19, 19, 20], '班级': [2, 5, 1]}) print(df.loc[(df['年级'] == 19) & (df['班级'] < 4)]) # 输出： # 学号 姓名 年级 班级 # 0 19102 王红 19 2 ``` ### 总结 `loc` 方法是 Pandas 中非常强大的工具，能够灵活地根据标签选择数据。无论是单个标签、标签列表、标签切片还是布尔条件，都可以通过 `loc` 方法实现复杂的数据筛选操作[^3]。