pandas 在二维表中location定位

一、train.loc[ 行筛选 , 列名 ]

1. 定位

train.loc[ 行条件 , 列名 ]

作用：精准定位 → 满足【行条件】的行 + 指定列
效果：只修改/选中这个“小矩形区域”

---

2. 最经典用法

train.loc[train['target'] < -30, 'outliers'] = 1

• 行：选出 target < -30 的所有行
• 列：定位到 outliers 列
• 动作：把这些位置的值改设为 1

---

3. 最简单例子

# 表格
# 姓名   年龄  城市
# 小明   20   北京
# 小红   25   上海
# 小刚   30   北京

# 定位：城市=北京 的行，年龄列
df.loc[df['城市'] == '北京', '年龄'] = 18

结果：

小明  18  北京
小红  25  上海
小刚  18  北京

---

二、 loc 实战练习

题目1：基础用法（条件筛选 + 赋值）

假设我们有一个学生成绩表 df：

姓名	语文	数学	总分	是否及格
小明	90	85	175
小红	55	60	115
小刚	40	50	90
小丽	80	95	175

要求：用 loc 把「总分 < 120」的学生，标记为“不及格”（即把 是否及格 列设为 False），其他设为 True。

---

答案 & 解析

# 先默认全部及格
df['是否及格'] = True
# 把总分 < 120 的标记为不及格
df.loc[df['总分'] < 120, '是否及格'] = False

结果：

姓名	语文	数学	总分	是否及格
小明	90	85	175	True
小红	55	60	115	False
小刚	40	50	90	False
小丽	80	95	175	True

---

题目2：多条件筛选 + 多列赋值（竞赛高频）

还是上面的成绩表，要求：

1. 找出「语文≥80 且 数学≥80」的学生
2. 给这些学生的 总分 加 10 分（加分项）
3. 同时给他们新增一列 优秀学生，设为 True，其他为 False

---

答案 & 解析

# 先初始化优秀学生列
df['优秀学生'] = False

# 多条件筛选 + 同时修改两列
cond = (df['语文'] >= 80) & (df['数学'] >= 80)
df.loc[cond, '总分'] += 10
df.loc[cond, '优秀学生'] = True

结果：

姓名	语文	数学	总分	是否及格	优秀学生
小明	90	85	185	True	True
小红	55	60	115	False	False
小刚	40	50	90	False	False
小丽	80	95	185	True	True

---

题目3：结合 isin() 筛选 + 多列赋值（进阶）

现在我们想处理特定学生的成绩：
要求：给姓名为「小明」和「小丽」的学生，语文、数学各加 5 分，同时把他们的 是否及格 强制设为 True。

---

答案 & 解析

# 筛选条件：姓名在列表中
cond = df['姓名'].isin(['小明', '小丽'])

# 同时修改多列
df.loc[cond, ['语文', '数学']] += 5
df.loc[cond, '是否及格'] = True

结果：

姓名	语文	数学	总分	是否及格	优秀学生
小明	95	90	185	True	True
小红	55	60	115	False	False
小刚	40	50	90	False	False
小丽	85	100	185	True	True

关键知识点：loc 的列名可以传列表，实现一次性修改多列。

---

三、二维表格（DataFrame）的 5 种定位方法

除上述定位方法外，还有其它方法，一并总结如下。

方法1：loc —— 按【标签/条件】定位（最常用）

df.loc[行条件, 列名]

• 支持条件筛选
• 支持列名
• 最安全、最常用

df.loc[df['age']>18, 'score']

---

方法2：iloc —— 按【数字位置】定位

df.iloc[第几行, 第几列]

例子：

df.iloc[0, 1]   # 第0行，第1列
df.iloc[0:3, :] # 前3行，所有列

---

方法3：[] —— 直接选列

df['列名']
df[['列1','列2']]

---

方法4：at —— 快速取单个值

df.at[索引, 列名]

比 loc 更快，但只能取一个格子

---

方法5：iat —— 按位置取单个值

df.iat[行号, 列号]

---

四、 复杂的例子：多条件筛选 + 多列同时赋值

# 多条件 + 多列
train.loc[ 条件1 & 条件2 & 条件3 , [列1, 列2, 列3] ] = 统一值
# 或 按列分别赋值
train.loc[ 条件 , [列A,列B] ] = (值A, 值B)

---

场景：用户数据表

import pandas as pd
data = {
    'card_id': ['A','B','C','D','E'],
    'age': [22, 35, 45, 28, 55],
    'income': [20, 80, 120, 30, 150],
    'target': [-10, -35, -5, -40, 0],
    'risk': [0,0,0,0,0],
    'level': ['','','','','']
}
train = pd.DataFrame(data)

需求（复杂）：

同时满足 3 个条件 的行：

1. age < 30
2. income < 50
3. target < -30

对 2 列同时赋值：

• risk 列 = 1
• level 列 = ‘高风险’

---

代码写法（标准复杂 loc）

# 1. 写多个筛选条件（必须加括号！）
cond = (train['age'] < 30) & \
       (train['income'] < 50) & \
       (train['target'] < -30)

# 2. 多列用 [ ] 列表包起来
train.loc[cond, ['risk', 'level']] = (1, '高风险')

---

结果

只有 D 行 满足全部条件：

card_id	age	income	target	risk	level
A	22	20	-10	0
B	35	80	-35	0
C	45	120	-5	0
D	28	30	-40	1	高风险
E	55	150	0	0

---

必须记住的 3 条铁律（否则报错）

1. 多个条件必须加括号 ()

   (a>1) & (b<2)  ✅
   a>1 & b<2      ❌
   

2. 且用 &，或用 |

   且：&
   或：|
   

3. 多列必须放列表 [] 里

   ['risk','level'] ✅
   'risk','level'   ❌
   

---

再来一个例：分别赋值

# 对满足条件的行，设定：
# risk = 1
# level = '高风险'
# limit = 0
train.loc[cond, ['risk','level','limit']] = (1, '高风险', 0)

---