在 python 中使用 .loc 进行选择答案

【问题标题】：Selection with .loc in python在 python 中使用 .loc 进行选择
【发布时间】：2017-12-07 00:37:24
【问题描述】：

我在某人的 iPython 笔记本中看到了这段代码，我对这段代码的工作原理感到非常困惑。据我了解， pd.loc[] 用作基于位置的索引器，其格式为：

df.loc[index,column_name]

但是，在这种情况下，第一个索引似乎是一系列布尔值。有人可以向我解释一下这个选择是如何工作的。我试图通读文档，但找不到解释。谢谢！

iris_data.loc[iris_data['class'] == 'versicolor', 'class'] = 'Iris-versicolor'

【问题讨论】：

标签： python pandas dataframe ipython selection

【解决方案1】：

pd.DataFrame.loc 可以带一个或两个索引器。在本文的其余部分，我将第一个索引器表示为i，将第二个索引器表示为j。

如果只提供一个索引器，它适用于数据框的索引，并且假定缺少的索引器代表所有列。所以下面两个例子是等价的。

df.loc[i]
df.loc[i, :]

其中: 用于表示所有列。

如果两个索引器都存在，i 引用索引值，j 引用列值。

现在我们可以关注i 和j 可以假设的值类型。让我们使用以下数据框df 作为我们的示例：

    df = pd.DataFrame([[1, 2], [3, 4]], index=['A', 'B'], columns=['X', 'Y'])

loc 已经写成 i 和 j 可以是

标量应该是各个索引对象中的值
```
df.loc['A', 'Y']

2
```
数组，其元素也是相应索引对象的成员（请注意，我传递给 loc 的数组的顺序受到尊重
```
df.loc[['B', 'A'], 'X']

B    3
A    1
Name: X, dtype: int64
```
- 在传递数组时注意返回对象的维度。 i 和上面一样是一个数组，loc 返回一个对象，其中返回具有这些值的索引。在这种情况下，因为j 是一个标量，所以loc 返回一个pd.Series 对象。如果我们为i 和j 传递一个数组，我们可以操纵它返回一个数据帧，而该数组可能只是一个单值数组。
```
df.loc[['B', 'A'], ['X']]

   X
B  3
A  1
```
布尔数组，其元素为True 或False，并且其长度与相应索引的长度相匹配。在这种情况下，loc 只是抓取布尔数组为True 的行（或列）。
```
df.loc[[True, False], ['X']]

   X
A  1
```

除了可以传递给loc 的索引器之外，它还使您能够进行分配。现在我们可以分解您提供的代码行了。

iris_data.loc[iris_data['class'] == 'versicolor', 'class'] = 'Iris-versicolor'

iris_data['class'] == 'versicolor' 返回一个布尔数组。
class 是一个标量，表示列对象中的值。
iris_data.loc[iris_data['class'] == 'versicolor', 'class'] 返回一个 pd.Series 对象，该对象由 'class' 列组成，其中 'class' 是 'versicolor' 的所有行
与赋值运算符一起使用时：
```
iris_data.loc[iris_data['class'] == 'versicolor', 'class'] = 'Iris-versicolor'
```
我们为'class' 列中的所有元素分配'Iris-versicolor'，其中'class' 是'versicolor'

【讨论】：

【解决方案2】：

这是使用 pandas 包中的数据帧。 “索引”部分可以是单个索引、索引列表或布尔值列表。这可以在文档中阅读：https://pandas.pydata.org/pandas-docs/stable/indexing.html

所以index 部分指定要提取的行的子集，（可选）column_name 指定要从该数据帧子集中使用的列。因此，如果您想更新“类”列，但仅在类当前设置为“杂色”的行中，您可能会执行您在问题中列出的内容：

iris_data.loc[iris_data['class'] == 'versicolor', 'class'] = 'Iris-versicolor'

【讨论】：

【解决方案3】：

这是一个 pandas 数据框，它使用带有df.loc 的标签库选择工具，其中有两个输入，一个用于行，另一个用于列，因此在行输入中它选择了所有这些行值，其中保存在列class 中的值为versicolor，在列输入中选择标签为class 的列，并为它们分配Iris-versicolor 值。所以基本上它用Iris-versicolor替换了class列的所有单元格versicolor。

【讨论】：

【解决方案4】：

只要可以使用slicing (a:n)，就可以将其替换为fancy indexing（例如[a,b,c,...,n]）。花式索引只不过是明确列出所有索引值，而不是仅指定限制。
只要可以使用花哨的索引，就可以将其替换为与索引大小相同的布尔值列表（mask）。对于本应包含在精美索引中的索引值，该值为True，对于本应排除的值，该值为False。这是列出一些索引值的另一种方式，但可以在 NumPy 和 Pandas 中轻松自动化，例如通过逻辑比较（如您的情况）。

第二种替换可能性是您的示例中使用的那种。在：

iris_data.loc[iris_data['class'] == 'versicolor', 'class'] = 'Iris-versicolor'

面具

iris_data['class'] == 'versicolor'

是一个长而愚蠢的索引的替代品，它将是行号列表，其中class 列（一个系列）具有值versicolor。

布尔掩码是出现在.iloc 或.loc（例如df.loc[mask]）索引器中还是直接作为索引（例如df[mask]）取决于是否允许切片作为直接索引。此类情况显示在以下索引器备忘单中：

^{Pandas 索引器 loc 和 iloc 备忘单}

【讨论】：

【解决方案5】：

这是pandas 基于标签的选择，如下所述：https://pandas.pydata.org/pandas-docs/stable/indexing.html#selection-by-label

布尔数组基本上是一种使用掩码的选择方法。

【讨论】：