wordpress bootsharp/seo技巧是什么意思

pd.DataFrame.loc可以使用一个或两个索引器。对于帖子的其余部分，我将第一个索引器表示为i，将第二个索引器表示为j。

如果只提供了一个索引器，它将应用于数据帧的索引，并且假定丢失的索引器代表所有列。所以以下两个例子是等价的。

> 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，则i引用索引值，j引用列值。

现在我们可以关注i和j可以假设的值的类型。我们使用以下数据帧df作为示例：

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

loc已写成i和j可以

>标量应该是相应索引对象中的值

df.loc['A', 'Y']

2

>其元素也是相应索引对象成员的数组(请注意，我传递给loc的数组的顺序是受到尊重的

df.loc[['B', 'A'], 'X']

B 3

A 1

Name: X, dtype: int64

>注意传递数组时返回对象的维度。我是上面的数组，loc返回一个对象，其中返回带有这些值的索引。在这种情况下，因为j是标量，loc返回了一个pd.Series对象。如果我们为i和j传递一个数组，我们可以操纵它来返回一个数据帧，并且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，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，它还允许您进行分配。现在我们可以分解您提供的代码行。

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columns对象中的值。

> iris_data.loc [iris_data [‘class’] ==’versicolor’，’class’]返回一个pd.Series对象，该对象包含’class’为’versicolor’的所有行的’class’列

>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”列中的所有元素指定“Iris-versicolor”，其中“class”为“versicolor”