Pandas je široko korištena Python biblioteka za manipulaciju i analizu podataka, i iloc ključna je funkcija unutar biblioteke koja korisnicima omogućuje odabir i manipuliranje podacima indeksiranjem na temelju cijelog broja. To može biti osobito korisno kada radite s velikim skupovima podataka. U ovom ćemo članku istražiti upotrebu pande iloc u različitim scenarijima i objasnite kako funkcija radi korak po korak kako biste lakše razumjeli njezin značaj i potencijalne primjene u analizi podataka.
pandas iloc: Rješenje za uobičajeni problem
Čest izazov s kojim se suočavaju analitičari podataka je kako učinkovito odabrati i analizirati određene dijelove svog skupa podataka. Objekt DataFrame u pandama nudi mnoge izvrsne metode za rješavanje ovih izazova, a jedna od najsvestranijih i najmoćnijih funkcija je iloc indeksator. Omogućuje korisnicima pristup redovima i stupcima DataFramea na temelju indeksiranja temeljenog na cjelobrojnim brojevima.
Započnimo raspravom o objašnjenju korak po korak kako koristiti iloc u scenariju praktične analize podataka.
Korak po korak objašnjenje Pandas iloc
Korištenje pandas iloc jednostavno je i intuitivno. Pretpostavimo da imamo sljedeći DataFrame:
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)
Naš DataFrame ima 4 reda i 3 stupca. Da biste koristili iloc, morate dati indekse za retke i stupce kojima želite pristupiti. Evo nekoliko primjera:
1. Pristup određenom retku i stupcu:
# Access row 2 (index 1) and column 'Name' (index 0) selected_data = df.iloc[1, 0] print(selected_data) # Output: Bob
2. Pristup nizu redaka i stupaca:
# 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. Pristup određenim redcima i stupcima:
# 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
Knjižnice i ovisnosti
Koristiti pande iloc, morate imati instaliranu biblioteku pandas, kao i sve druge biblioteke o kojima ovise pande, kao što je NumPy. Možete ih instalirati putem pipa ili conde:
pip install pandas numpy
or
conda install pandas numpy
Nakon što su biblioteke instalirane, možete početi koristiti pandas i iloc u vašem Python okruženju kao što je prikazano u gornjim primjerima.
Druge povezane funkcije i metode indeksiranja
Osim iloc, pandas pruža nekoliko drugih funkcija i metoda indeksiranja koje mogu biti korisne u različitim situacijama. Neki od glavnih su:
- mjesto: Ovaj indeksator omogućuje korisnicima pristup redovima i stupcima na temelju indeksiranja na temelju oznaka, umjesto indeksiranja na temelju cijelog broja kao što je iloc.
- na: Koristi se za pristup jednoj vrijednosti na temelju indeksiranja na temelju oznake.
- iat: Slično 'at', ali za indeksiranje na temelju cijelog broja. Koristi se za pristup jednoj vrijednosti na temelju indeksiranja temeljenog na cijelom broju.
Istraživanje ovih funkcija i razumijevanje načina na koji se mogu koristiti u kombinaciji s ilocom ojačat će vašu sposobnost izvođenja složenih manipulacija podacima pomoću pandi.
