# Hoe gegevens selecteren uit pandas DataFrames met loc\[\]

In de Python pandas-bibliotheek is `DataFrame.loc[]` een eigenschap waarmee u gegevens uit een DataFrame kunt selecteren met behulp van labels. Dit maakt het eenvoudig om specifieke rijen en kolommen uit een DataFrame te extraheren.

## Wat is de syntaxis voor pandas `loc[]`?

De syntaxis voor `loc[]` is vrij eenvoudig. Het enige wat u hoeft te doen is de **labels van de kolommen en rijen** die u wilt selecteren als parameter doorgeven:

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

Met pandas `loc[]` worden selecties voornamelijk gemaakt met behulp van labels. Dit betekent dat de parameter die u opgeeft een **enkel label, een lijst of een reeks labels** kan zijn. Booleaanse arrays kunnen ook worden gebruikt.

## Wat is het verschil tussen `loc[]` en `iloc[]`?

Terwijl pandas `DataFrame.loc[]` gegevens selecteert op basis van labels, selecteert [DataFrame.iloc](https://www.ionos.com/nl-be/digitalguide/websites/webontwikkeling/python-pandas-dataframe-iloc/) gegevens op basis van posities op basis van gehele getallen. Hier is een codevoorbeeld om de verschillen te illustreren. Eerst gaan we een [pandas DataFrame](https://www.ionos.com/nl-be/digitalguide/websites/webontwikkeling/python-pandas-dataframe/) maken:

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

Zo ziet het DataFrame eruit:

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

Om ‘Alyssa’ uit het DataFrame te halen, kun je zowel pandas `loc[]` als `iloc[]` gebruiken. Hoewel de aanpak verschilt, is het resultaat hetzelfde:

```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'
```

## Hoe pandas `DataFrame.loc[]` te gebruiken

Pandas `loc[]` helpt u bij **het extraheren van subsets van uw DataFrame**. Met `loc[]` kunt u een enkele rij of kolom, meerdere rijen en kolommen extraheren of zelfs voorwaarden toepassen voor het filteren. Deze flexibiliteit maakt het geschikt voor verschillende gebruikssituaties.

### Een enkele rij selecteren

Laten we eens kijken naar een voorbeeld van een 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)
```

Dit is hoe het resulterende DataFrame eruitziet:

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

Om de gegevens te selecteren uit de rij die informatie bevat over Brandon (index 1), kunt u pandas `loc[]` gebruiken:

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

Dit is het resultaat:

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

### Meerdere kolommen selecteren

Je kunt ook `DataFrame.loc[]` gebruiken om een subset van kolommen te selecteren. De volgende code selecteert de kolommen ‘Naam’ en ‘Stad’:

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

Het resultaat is een subset van het oorspronkelijke DataFrame:

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

### Rijen selecteren op basis van voorwaarden

Met pandas `loc[]` kunt u ook rijen selecteren die aan specifieke criteria voldoen. Dit kunt u doen met Booleaanse vergelijkingsoperatoren. Hier volgt bijvoorbeeld hoe u alle personen ouder dan 25 kunt filteren:

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

De bovenstaande code produceert een DataFrame die alleen gegevens bevat voor personen in de DataFrame die ouder zijn dan 25 jaar:

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


This is a markdown version of: [https://www.ionos.com/nl-be/digitalguide/websites/webontwikkeling/python-pandas-dataframe-loc/](https://www.ionos.com/nl-be/digitalguide/websites/webontwikkeling/python-pandas-dataframe-loc/) for AI/LLM consumption.