teradataml.dataframe.dataframe.DataFrame.loc

Access a group of rows and columns by label(s) or a boolean array.
 
VALID INPUTS:
 
    - A single label, e.g. ``5`` or ``'a'``, (note that ``5`` is
    interpreted as a label of the index, it is not interpreted as an
    integer position along the index).
 
    - A list or array of column or index labels, e.g. ``['a', 'b', 'c']``.
 
    - A slice object with labels, e.g. ``'a':'f'``.
    Note that unlike the usual python slices where the stop index is not included, both the
        start and the stop are included
 
    - A conditional expression for row access.
 
    - A boolean array of the same length as the column axis for column access.
 
RETURNS:
    teradataml DataFrame
 
RAISE:
    TeradataMlException
 
EXAMPLES
--------
    >>> load_example_data("dataframe","sales")
    >>> df = DataFrame('sales')
    >>> df
                Feb   Jan   Mar   Apr    datetime
    accounts
    Blue Inc     90.0    50    95   101  04/01/2017
    Alpha Co    210.0   200   215   250  04/01/2017
    Jones LLC   200.0   150   140   180  04/01/2017
    Yellow Inc   90.0  None  None  None  04/01/2017
    Orange Inc  210.0  None  None   250  04/01/2017
    Red Inc     200.0   150   140  None  04/01/2017
 
    # Retrieve row using a single label.
    >>> df.loc['Blue Inc']
            Feb Jan Mar  Apr    datetime
    accounts
    Blue Inc  90.0  50  95  101  04/01/2017
 
    # List of labels. Note using ``[[]]``
    >>> df.loc[['Blue Inc', 'Jones LLC']]
                Feb  Jan  Mar  Apr    datetime
    accounts
    Blue Inc    90.0   50   95  101  04/01/2017
    Jones LLC  200.0  150  140  180  04/01/2017
 
    # Single label for row and column (index)
    >>> df.loc['Yellow Inc', 'accounts']
    Empty DataFrame
    Columns: []
    Index: [Yellow Inc]
 
    # Single label for row and column
    >>> df.loc['Yellow Inc', 'Feb']
        Feb
    0  90.0
 
    # Single label for row and column access using a tuple
    >>> df.loc[('Yellow Inc', 'Feb')]
        Feb
    0  90.0
 
    # Slice with labels for row and single label for column. As mentioned
    # above, note that both the start and stop of the slice are included.
    >>> df.loc['Jones LLC':'Red Inc', 'accounts']
    Empty DataFrame
    Columns: []
    Index: [Orange Inc, Jones LLC, Red Inc]
 
    # Slice with labels for row and single label for column. As mentioned
    # above, note that both the start and stop of the slice are included.
    >>> df.loc['Jones LLC':'Red Inc', 'Jan']
        Jan
    0  None
    1   150
    2   150
 
    # Slice with labels for row and labels for column. As mentioned
    # above, note that both the start and stop of the slice are included.
    >>> df.loc['Jones LLC':'Red Inc', 'accounts':'Apr']
                Mar   Jan    Feb   Apr
    accounts
    Orange Inc  None  None  210.0   250
    Red Inc      140   150  200.0  None
    Jones LLC    140   150  200.0   180
 
    # Empty slice for row and labels for column.
    >>> df.loc[:, :]
                Feb   Jan   Mar    datetime   Apr
    accounts
    Jones LLC   200.0   150   140  04/01/2017   180
    Blue Inc     90.0    50    95  04/01/2017   101
    Yellow Inc   90.0  None  None  04/01/2017  None
    Orange Inc  210.0  None  None  04/01/2017   250
    Alpha Co    210.0   200   215  04/01/2017   250
    Red Inc     200.0   150   140  04/01/2017  None
 
    # Conditional expression
    >>> df.loc[df['Feb'] > 90]
                Feb   Jan   Mar   Apr    datetime
    accounts
    Jones LLC   200.0   150   140   180  04/01/2017
    Red Inc     200.0   150   140  None  04/01/2017
    Alpha Co    210.0   200   215   250  04/01/2017
    Orange Inc  210.0  None  None   250  04/01/2017
 
    # Conditional expression with column labels specified
    >>> df.loc[df['Feb'] > 90, ['accounts', 'Jan']]
                Jan
    accounts
    Jones LLC    150
    Red Inc      150
    Alpha Co     200
    Orange Inc  None
 
    # Conditional expression with multiple column labels specified
    >>> df.loc[df['accounts'] == 'Jones LLC', ['accounts', 'Jan', 'Feb']]
            Jan    Feb
    accounts
    Jones LLC  150  200.0
 
    # Conditional expression and slice with column labels specified
    >>> df.loc[df['accounts'] == 'Jones LLC', 'accounts':'Mar']
            Mar  Jan    Feb
    accounts
    Jones LLC  140  150  200.0
 
    # Conditional expression and boolean array for column access
    >>> df.loc[df['Feb'] > 90, [True, True, False, False, True, True]]
              Feb   Apr    datetime
    accounts
    Alpha Co    210.0   250  04/01/2017
    Jones LLC   200.0   180  04/01/2017
    Red Inc     200.0  None  04/01/2017
    Orange Inc  210.0   250  04/01/2017
    >>>