python pandas loc 布尔索引示例说明

pandas loc的指定条件索引（布尔索引）

pandas中的loc不仅仅可以用于直接的标签的索引，也可以用于指定条件的索引。

1.准备数据

首先准备一组数据：

import pandas as pd
df = pd.DataFrame({
    'AAA': [120, 101, 106, 117, 114, 122],
    'BBB': [115, 100, 110, 125, 123, 120],
    'CCC': [109, 112, 125, 120, 116, 115],
    'DDD': 'ABCDEFG'
}, index=[1, 2, 3, 4, 5, 6])
print(df)

2.单条件筛选

以筛选出其中字段"AAA"大于110的为例：

print(df)
print("=======================")
print(df.loc[df['AAA'] > 110])  # "AAA"大于100的

深入分析，我们可以看出，loc后传入的是一个Values为bool类型数据的Series，且其长度与原DataFrame的行数相等。

print(df['AAA'] > 110)
print(type(df['AAA'] > 110))  # Series类型，Values为bool类型

3.多条件筛选

loc也可以同时传入多个筛选条件, 以筛选字段"AAA"大于110且字段"CCC"大于115的数据为例：

print("=======================")
print(df.loc[(df['AAA'] > 110) & (df['CCC'] > 115)])

到此这篇关于python pandas loc 布尔索引示例说明的文章就介绍到这了,更多相关python pandas loc 布尔索引内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • 聊聊Python pandas 中loc函数的使用,及跟iloc的区别说明

    聊聊Python pandas 中loc函数的使用,及跟iloc的区别说明

    loc和iloc的意思 首先,loc是location的意思,和iloc中i的意思是指integer,所以它只接受整数作为参数,详情见下面. loc和iloc的区别及用法展示 1.区别 loc works on labels in the index. iloc works on the positions in the index (so it only takes integers). 2.用法展示 首先创建一个dataframe: 1)loc为Selection by Label函数,即为

  • Python Pandas数据分析之iloc和loc的用法详解

    Python Pandas数据分析之iloc和loc的用法详解

    Pandas 是一套用于 Python 的快速.高效的数据分析工具.它可以用于数据挖掘和数据分析,同时也提供数据清洗功能.本篇目录如下: 一.iloc 1.定义 iloc索引器用于按位置进行基于整数位置的索引或者选择. 2.语法 df.iloc [row selection, column selection] 3.代码示例 (1)导入数据 (2)选择单行或单列 (3)选择多行或多列 (4)注意 iloc选择一行时返回Series,选择多行返回DataFrame,通过传递列表可转为DataFra

  • python pandas.DataFrame.loc函数使用详解

    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 Allowed inputs are: # 可以接受单个的label,多个label的列表,多个label的切片 A singl

  • python pandas中索引函数loc和iloc的区别分析

    目录 前言 1.直接使用行或者列标签 2.loc函数 3.iloc函数 总结 前言 使用pandas进行数据分析的时候,我们经常需要对DataFrame的行或者列进行索引.使用pandas进行索引的方法主要有三种:直接使用行或者列标签.loc函数和iloc函数. 举个简单的例子: import numpy as np import pandas as pd df = pd.DataFrame({"Fruits":["apple","pear",&

  • python pandas.DataFrame选取、修改数据最好用.loc,.iloc,.ix实现

    相信很多人像我一样在学习python,pandas过程中对数据的选取和修改有很大的困惑(也许是深受Matlab)的影响... 到今天终于完全搞清楚了!!! 先手工生出一个数据框吧 import numpy as np import pandas as pd df = pd.DataFrame(np.arange(0,60,2).reshape(10,3),columns=list('abc')) df 是这样子滴 那么这三种选取数据的方式该怎么选择呢? 一.当每列已有column name时,用

  • python选取特定列 pandas iloc,loc,icol的使用详解(列切片及行切片)

    df是一个dataframe,列名为A B C D 具体值如下: A B C D 0 ss 小红 8 1 aa 小明 d 4 f f 6 ak 小紫 7 dataframe里的属性是不定的,空值默认为NA. 一.选取标签为A和C的列,并且选完类型还是dataframe df = df.loc[:, ['A', 'C']] df = df.iloc[:, [0, 2]] 二.选取标签为C并且只取前两行,选完类型还是dataframe df = df.loc[0:2, ['A', 'C']] df

  • Python Pandas如何获取和修改任意位置的值（at,iat,loc,iloc）

    目录 前言 at,iat:选择,获取和更改单个元素的值 loc,iloc:选择,获取和更改单个和多个元素的值 选择单个元素的值 选择多个元素值 选择行/列 当行名和列名具有重复值时 通过数字和标签指定位置 在pandas.Series中选择行时的隐式类型转换 总结 前言 要在pandas.DataFrame中的任何位置检索或更改数据,可以使用at,iat,loc,iloc. 位置的指定方法 at,loc:行标签(行名),列标签(列名) iat,iloc:行号,列号 选择和获取/更改的数据 at,

  • python pandas loc 布尔索引示例说明

    python pandas loc 布尔索引示例说明

    pandas loc的指定条件索引(布尔索引) pandas中的loc不仅仅可以用于直接的标签的索引,也可以用于指定条件的索引. 1.准备数据 首先准备一组数据: import pandas as pd df = pd.DataFrame({ 'AAA': [120, 101, 106, 117, 114, 122], 'BBB': [115, 100, 110, 125, 123, 120], 'CCC': [109, 112, 125, 120, 116, 115], 'DDD': 'ABC

  • python Pandas之DataFrame索引及选取数据

    目录 1.索引是什么 1.1 认识索引 1.2 自定义索引 2. 索引的简单使用 2.1 列索引 2.2 行索引 2.2.1 使用[ ] 2.2.2 使用.loc()和.iloc() 1.索引是什么 1.1 认识索引 先创建一个简单的DataFrame. myList = [['a', 10, 1.1], ['b', 20, 2.2], ['c', 30, 3.3], ['d', 40, 4.4]] df1 = pd.DataFrame(data = myList) print(df1) ---

  • Python pandas 重命名索引和列名称的实现

    Python pandas 重命名索引和列名称的实现

    目录 1.重命名列名称 2.重命名索引 3.重置索引 本文主要介绍了Python pandas 重命名索引和列名称的实现,分享给大家,具体如下: df=pd.DataFrame(np.arange(16).reshape(4,4),columns=["one","two","three","four"],index=['a','b','c','d']) 1.重命名列名称 df.rename(columns={"one

  • python pandas创建多层索引MultiIndex的6种方式

    python pandas创建多层索引MultiIndex的6种方式

    目录 引言 pd.MultiIndex.from_arrays() pd.MultiIndex.from_tuples() 列表和元组是可以混合使用的 pd.MultiIndex.from_product() pd.MultiIndex.from_frame() groupby() pivot_table() 引言 在上一篇文章中介绍了如何创建Pandas中的单层索引,今天给大家带来的是如何创建Pandas中的多层索引. pd.MultiIndex,即具有多个层次的索引.通过多层次索引,我们就可

  • Python pandas之多级索引取值详解

    Python pandas之多级索引取值详解

    目录 数据需求 需求拆解 需求处理 方法一 方法二 总结 最近发现周围的很多小伙伴们都不太乐意使用pandas,转而投向其他的数据操作库,身为一个数据工作者,基本上是张口pandas,闭口pandas了,故而写下此系列以让更多的小伙伴们爱上pandas. 平台: windows 10 python 3.8 pandas 1.2.4 数据需求 给定一份多级索引数据,查找指定值. 需求拆解 数据提取在pandas中,或者说在python中就是索引式提取,在单层索引中采用.loc或.iloc方法已经非

  • Python Pandas中loc和iloc函数的基本用法示例

    Python Pandas中loc和iloc函数的基本用法示例

    目录 1 loc和iloc的含义 2 用法 2.1 loc函数的用法 2.2 iloc函数的用法 补充:Pandas中loc和iloc函数实例 总结 1 loc和iloc的含义 loc表示location的意思:iloc中的loc意思相同,前面的i表示integer,所以它只接受整数作为参数. 2 用法 import pandas as pd import numpy as np # np.random.randn(5, 2)表示返回5x2的矩阵,index表示行的编号,columns表示列的编

  • Python Pandas 获取列匹配特定值的行的索引问题

    Python Pandas 获取列匹配特定值的行的索引问题

    给定一个带有列"BoolCol"的DataFrame,如何找到满足条件"BoolCol" == True的DataFrame的索引 目前有迭代的方式来做到这一点: for i in range(100,3000): if df.iloc[i]['BoolCol']== True: print i,df.iloc[i]['BoolCol'] 这虽然可行,但不是标准的 Pandas 方式.经过一番研究,我目前正在使用这个代码: df[df['BoolCol'] == T

随机推荐