# Hvordan velge data fra pandas DataFrames med loc\[\]

I Python pandas- biblioteket er `DataFrame.loc[]` en egenskap som lar deg velge data fra en DataFrame ved hjelp av etiketter. Dette gjør det enkelt å trekke ut bestemte rader og kolonner fra en DataFrame.

## Hva er syntaksen for pandas `loc[]`?

Syntaksen for `loc[]` er ganske enkel. Alt du trenger å gjøre er å sende **etikettene til kolonnene og radene** du vil velge som parameter:

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

Med pandas `loc[]` gjøres valg primært ved hjelp av etiketter. Dette betyr at parameteren du angir kan være en **enkelt etikett, en liste eller en del av etiketter**. Boolske matriser kan også brukes.

## Hva er forskjellen mellom `loc[]` og `iloc[]`?

Mens pandas `DataFrame.loc[]` velger data basert på etiketter, velger [DataFrame.iloc](https://www.ionos.com/nb-no/digitalguide/nettsteder/webutvikling/python-pandas-dataframe-iloc/) data basert på heltallsbaserte posisjoner. Her er et kodeeksempel som illustrerer forskjellene. Først skal vi opprette en [pandas DataFrame](https://www.ionos.com/nb-no/digitalguide/nettsteder/webutvikling/python-pandas-dataframe/):

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

Slik ser DataFrame ut:

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

For å trekke ut «Alyssa» fra DataFrame, kan du bruke både pandas `loc[]` og `iloc[]`. Selv om tilnærmingen er forskjellig, er resultatet det samme:

```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'
```

## Hvordan bruke pandas `DataFrame.loc[]`

Pandas `loc[]` hjelper deg med **å trekke ut delmengder av DataFrame**. Med `loc[]` kan du trekke ut en enkelt rad eller kolonne, flere rader og kolonner eller til og med bruke betingelser for filtrering. Denne fleksibiliteten gjør det egnet for en rekke bruksområder.

### Velge en enkelt rad

La oss se på et eksempel på DataFrame:

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

Slik ser den resulterende DataFrame ut:

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

For å velge dataene fra raden som inneholder informasjon om Brandon (indeks 1), kan du bruke pandas `loc[]`:

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

Her er resultatet:

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

### Velge flere kolonner

Du kan også bruke `DataFrame.loc[]` til å velge en delmengde av kolonner. Følgende kode velger kolonnene «Navn» og «By»:

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

Resultatet er en delmengde av den opprinnelige DataFrame:

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

### Velge rader basert på betingelser

Med pandas `loc[]` kan du også velge rader som oppfyller bestemte kriterier. Du kan gjøre dette med boolske sammenligningsoperatorer. Her er for eksempel hvordan du filtrerer ut alle personer som er eldre enn 25 år:

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

Koden ovenfor produserer en DataFrame som bare inneholder data for personer i DataFrame som er eldre enn 25 år:

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


This is a markdown version of: [https://www.ionos.com/nb-no/digitalguide/nettsteder/webutvikling/python-pandas-dataframe-loc/](https://www.ionos.com/nb-no/digitalguide/nettsteder/webutvikling/python-pandas-dataframe-loc/) for AI/LLM consumption.