# Kaip atrinkti duomenis iš pandas DataFrames naudojant loc\[\]

Python pandas bibliotekoje `DataFrame.loc[]` yra savybė, leidžianti pasirinkti duomenis iš DataFrame naudojant žymes. Tai leidžia lengvai išgauti konkrečias eilutes ir stulpelius iš DataFrame.

## Kokia yra pandas `loc[]` sintaksė?

`loc[]` sintaksė yra gana paprasta. Viskas, ką reikia padaryti, tai perduoti **stulpelių ir eilučių, kurias** norite pasirinkti, **etiketes** kaip parametrą:

```python
DataFrame.loc[selection]
```

Naudojant pandas `loc[]`, atranka pirmiausia atliekama naudojant žymes. Tai reiškia, kad jūsų pateiktas parametras gali būti **viena žymė, sąrašas arba žymių fragmentas**. Taip pat galima naudoti ir boolių masyvus.

## Koks skirtumas tarp `loc[]` ir `iloc[]`?

Pandas `DataFrame.loc[]` atrenka duomenis pagal žymes, o [DataFrame.iloc](https://www.ionos.com/lt-lt/digitalguide/interneto-svetaines/interneto-svetainiu-kurimas/python-pandas-dataframe-iloc/) atrenka duomenis pagal sveikųjų skaičių pozicijas. Štai kodas, padedantis iliustruoti skirtumus. Pirmiausia sukursime [pandas DataFrame](https://www.ionos.com/lt-lt/digitalguide/interneto-svetaines/interneto-svetainiu-kurimas/python-pandas-duomenu-remelis/):

```python
import pandas as pd
# Example DataFrame
data = {'Name': ['Alyssa', 'Brandon', 'Carmen'], 'Age': [23, 35, 30]}
df = pd.DataFrame(data)
print(df)
```

Štai kaip atrodo duomenų rėmelis:

```none
Name    Age
0   Alyssa     	23
1 	Brandon     35
2  	Carmen     	30
```

Norėdami išgauti „Alyssa“ iš DataFrame, galite naudoti tiek pandas `loc[]`, tiek `iloc[]`. Nors metodai skiriasi, rezultatas yra tas pats:

```python
# Using loc and labels to extract Alyssa
print(df.loc[0, 'Name'])  # Output: 'Alyssa'
# Using iloc and integers to extract Alysa
print(df.iloc[0, 0])  # Output: 'Alyssa'
```

## Kaip naudoti pandas `DataFrame.loc[]`

Pandas `loc[]` padeda **išgauti DataFrame duomenų rinkinį**. Naudodami `loc[]`, galite išgauti vieną eilutę ar stulpelį, kelias eilutes ir stulpelius arba netgi taikyti filtravimo sąlygas. Dėl šio lankstumo jis tinka įvairiems naudojimo atvejams.

### Vienos eilutės pasirinkimas

Pažvelkime į DataFrame pavyzdį:

```python
import pandas as pd
data = {
    'Name': ['Alyssa', 'Brandon', 'Carmen'],
    'Age': [23, 35, 30],
    'City': ['Sheffield', 'Glasgow', 'Belfast']
}
df = pd.DataFrame(data)
print(df)
```

Štai kaip atrodo galutinis duomenų rėmelis:

```none
Name  	Age      City
0   Alyssa  23	 	Sheffield
1 Brandon  	35    Glasgow
2 Carmen    30    Belfast
```

Norėdami atrinkti duomenis iš eilutės, kurioje yra informacija apie Brandoną (indeksas 1), galite naudoti pandas `loc[]`:

```python
brandon_data = df.loc[1]
print(brandon_data)
```

Štai rezultatas:

```none
Name         Brandon
Age              35
City        	Glasgow
Name: 1, dtype: object
```

### Kelių stulpelių pasirinkimas

Taip pat galite naudoti `DataFrame.loc[]`, kad atrinktumėte stulpelių pogrupį. Šis kodas atrenka stulpelius „Vardas“ ir „Miestas“:

```python
name_city = df.loc[:, ['Name', 'City']]
print(name_city)
```

Rezultatas yra originalaus DataFrame pogrupis:

```none
Name     City
0   Alyssa  Sheffield
1 Brandon   Glasgow
2  Carmen   Belfast
```

### Eilučių atranka pagal sąlygas

Naudodami pandas `loc[]`, taip pat galite pasirinkti eilutes, kurios atitinka tam tikrus kriterijus. Tai galite padaryti naudodami Būlio lyginimo operatorius. Pavyzdžiui, štai kaip atrinkti visus asmenis, kurie yra vyresni nei 25 metai:

```python
older_than_25 = df.loc[df['Age'] > 25]
print(older_than_25)
```

Pateiktas kodas sukuria duomenų rėmelį, kuriame yra tik duomenys apie duomenų rėmelyje esančius asmenis, vyresnius nei 25 metai:

```none
Name  	Age     City
1 Brandon     35   Glasgow
2  Carmen     30   Belfast
```


This is a markdown version of: [https://www.ionos.com/lt-lt/digitalguide/interneto-svetaines/interneto-svetainiu-kurimas/python-pandas-dataframe-loc/](https://www.ionos.com/lt-lt/digitalguide/interneto-svetaines/interneto-svetainiu-kurimas/python-pandas-dataframe-loc/) for AI/LLM consumption.