પાંડા એ ડેટા મેનીપ્યુલેશન અને વિશ્લેષણ માટે વ્યાપકપણે ઉપયોગમાં લેવાતી પાયથોન લાઇબ્રેરી છે iloc લાઇબ્રેરીમાં એક નિર્ણાયક કાર્ય છે જે વપરાશકર્તાઓને પૂર્ણાંક-આધારિત અનુક્રમણિકા દ્વારા ડેટા પસંદ કરવા અને તેની હેરફેર કરવાની મંજૂરી આપે છે. મોટા ડેટાસેટ્સ સાથે કામ કરતી વખતે આ ખાસ કરીને ઉપયોગી થઈ શકે છે. આ લેખમાં, અમે ના ઉપયોગનું અન્વેષણ કરીશું pandas iloc વિવિધ દૃશ્યોમાં અને માહિતી વિશ્લેષણમાં તેના મહત્વ અને સંભવિત એપ્લિકેશનોને સમજવામાં મદદ કરવા માટે ફંક્શન પગલું-દર-પગલાં કેવી રીતે કાર્ય કરે છે તે સમજાવો.
pandas iloc: સામાન્ય સમસ્યાનો ઉકેલ
ડેટા વિશ્લેષકો દ્વારા સામનો કરવામાં આવતો એક સામાન્ય પડકાર એ છે કે કેવી રીતે તેમના ડેટાસેટના ચોક્કસ ભાગોને અસરકારક રીતે પસંદ કરવા અને તેનું વિશ્લેષણ કરવું. પાંડામાં ડેટાફ્રેમ ઑબ્જેક્ટ આ પડકારોનો સામનો કરવા માટે ઘણી ઉત્તમ પદ્ધતિઓ પ્રદાન કરે છે, અને સૌથી સર્વતોમુખી અને શક્તિશાળી કાર્યો પૈકી એક છે. iloc અનુક્રમણિકા તે વપરાશકર્તાઓને પૂર્ણાંક-આધારિત અનુક્રમણિકા પર આધારિત ડેટાફ્રેમની પંક્તિઓ અને કૉલમ્સને ઍક્સેસ કરવામાં સક્ષમ કરે છે.
વ્યવહારિક ડેટા વિશ્લેષણ પરિદ્રશ્યમાં iloc નો ઉપયોગ કેવી રીતે કરવો તેની એક પગલું-દર-પગલાની સમજૂતીની ચર્ચા કરીને ચાલો શરૂઆત કરીએ.
પાંડા ઇલૉકનું સ્ટેપ-બાય-સ્ટેપ સમજૂતી
pandas iloc નો ઉપયોગ કરવો સરળ અને સાહજિક છે. ધારો કે અમારી પાસે નીચેની ડેટાફ્રેમ છે:
import pandas as pd data = {'Name': ['Alice', 'Bob', 'Cathy', 'David'], 'Age': [25, 29, 21, 35], 'City': ['New York', 'San Francisco', 'Los Angeles', 'Boston']} df = pd.DataFrame(data)
અમારા ડેટાફ્રેમમાં 4 પંક્તિઓ અને 3 કૉલમ છે. iloc નો ઉપયોગ કરવા માટે, તમારે પંક્તિઓ અને કૉલમ્સ માટે સૂચકાંકો પ્રદાન કરવાની જરૂર છે જેને તમે ઍક્સેસ કરવા માંગો છો. અહીં કેટલાક ઉદાહરણો છે:
1. ચોક્કસ પંક્તિ અને કૉલમને ઍક્સેસ કરવી:
# Access row 2 (index 1) and column 'Name' (index 0) selected_data = df.iloc[1, 0] print(selected_data) # Output: Bob
2. પંક્તિઓ અને કૉલમ્સની શ્રેણીને ઍક્સેસ કરવી:
# Access rows 1 to 3 (indexes 0 and 1) and columns 'Name' and 'Age' (indexes 0 and 1) selected_data = df.iloc[0:2, 0:2] print(selected_data) # Output: # Name Age # 0 Alice 25 # 1 Bob 29
3. ચોક્કસ પંક્તિઓ અને કૉલમ્સને ઍક્સેસ કરવી:
# Access rows 1 and 4 (indexes 0 and 3) and columns 'Name' and 'City' (indexes 0 and 2) selected_data = df.iloc[[0, 3], [0, 2]] print(selected_data) # Output: # Name City # 0 Alice New York # 3 David Boston
પુસ્તકાલયો અને અવલંબન
વાપરવા માટે pandas iloc, તમારે pandas લાઇબ્રેરી સ્થાપિત કરવાની જરૂર છે, તેમજ અન્ય કોઈપણ લાઇબ્રેરીઓ કે જેના પર પાંડા આધાર રાખે છે, જેમ કે NumPy. તમે તેમને પીપ અથવા કોન્ડા દ્વારા ઇન્સ્ટોલ કરી શકો છો:
pip install pandas numpy
or
conda install pandas numpy
એકવાર લાઇબ્રેરીઓ ઇન્સ્ટોલ થઈ જાય, પછી તમે ઉપરના ઉદાહરણોમાં બતાવ્યા પ્રમાણે તમારા પાયથોન પર્યાવરણમાં પાંડા અને iloc નો ઉપયોગ કરવાનું શરૂ કરી શકો છો.
અન્ય સંબંધિત કાર્યો અને અનુક્રમણિકા પદ્ધતિઓ
ઉપરાંત iloc, પાન્ડા અન્ય ઘણા અનુક્રમણિકા કાર્યો અને પદ્ધતિઓ પ્રદાન કરે છે જે વિવિધ પરિસ્થિતિઓમાં ઉપયોગી થઈ શકે છે. તેમાંના કેટલાક મુખ્ય છે:
- સ્થાન: આ ઇન્ડેક્સર વપરાશકર્તાઓને iloc જેવા પૂર્ણાંક-આધારિત અનુક્રમણિકાને બદલે લેબલ-આધારિત ઇન્ડેક્સિંગ પર આધારિત પંક્તિઓ અને કૉલમ્સને ઍક્સેસ કરવાની મંજૂરી આપે છે.
- અહીં તેનો ઉપયોગ લેબલ-આધારિત અનુક્રમણિકા પર આધારિત એક મૂલ્યને ઍક્સેસ કરવા માટે થાય છે.
- iat: 'at' જેવું જ છે, પરંતુ પૂર્ણાંક-આધારિત અનુક્રમણિકા માટે. તેનો ઉપયોગ પૂર્ણાંક-આધારિત અનુક્રમણિકા પર આધારિત એક મૂલ્યને ઍક્સેસ કરવા માટે થાય છે.
આ કાર્યોનું અન્વેષણ કરવું અને iloc સાથે સંયોજનમાં તેનો ઉપયોગ કેવી રીતે કરી શકાય તે સમજવાથી પંડાનો ઉપયોગ કરીને જટિલ ડેટા મેનિપ્યુલેશન કરવાની તમારી ક્ષમતાને મજબૂત બનાવશે.