ಪಾಂಡಾಗಳು ಡೇಟಾ ಮ್ಯಾನಿಪ್ಯುಲೇಷನ್ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಗಾಗಿ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುವ ಪೈಥಾನ್ ಲೈಬ್ರರಿ, ಮತ್ತು iloc ಪೂರ್ಣಾಂಕ-ಆಧಾರಿತ ಇಂಡೆಕ್ಸಿಂಗ್ ಮೂಲಕ ಡೇಟಾವನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಮತ್ತು ಕುಶಲತೆಯಿಂದ ಬಳಕೆದಾರರಿಗೆ ಅನುಮತಿಸುವ ಗ್ರಂಥಾಲಯದೊಳಗೆ ನಿರ್ಣಾಯಕ ಕಾರ್ಯವಾಗಿದೆ. ದೊಡ್ಡ ಡೇಟಾಸೆಟ್‌ಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವಾಗ ಇದು ವಿಶೇಷವಾಗಿ ಉಪಯುಕ್ತವಾಗಿರುತ್ತದೆ. ಈ ಲೇಖನದಲ್ಲಿ, ನಾವು ಅದರ ಬಳಕೆಯನ್ನು ಅನ್ವೇಷಿಸುತ್ತೇವೆ ಪಾಂಡಾಗಳು iloc ವಿವಿಧ ಸನ್ನಿವೇಶಗಳಲ್ಲಿ ಮತ್ತು ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಅದರ ಮಹತ್ವ ಮತ್ತು ಸಂಭಾವ್ಯ ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ನಿಮಗೆ ಸಹಾಯ ಮಾಡಲು ಕಾರ್ಯವು ಹಂತ-ಹಂತವಾಗಿ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ವಿವರಿಸಿ.
ಪಾಂಡಾಸ್ ಐಲೋಕ್: ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗೆ ಪರಿಹಾರ
ದತ್ತಾಂಶ ವಿಶ್ಲೇಷಕರು ಎದುರಿಸುವ ಸಾಮಾನ್ಯ ಸವಾಲು ಎಂದರೆ ತಮ್ಮ ಡೇಟಾಸೆಟ್‌ನ ನಿರ್ದಿಷ್ಟ ಭಾಗಗಳನ್ನು ಹೇಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಆಯ್ಕೆ ಮಾಡುವುದು ಮತ್ತು ವಿಶ್ಲೇಷಿಸುವುದು. ಪಾಂಡಾಗಳಲ್ಲಿನ ಡೇಟಾಫ್ರೇಮ್ ಆಬ್ಜೆಕ್ಟ್ ಈ ಸವಾಲುಗಳನ್ನು ನಿಭಾಯಿಸಲು ಹಲವು ಅತ್ಯುತ್ತಮ ವಿಧಾನಗಳನ್ನು ನೀಡುತ್ತದೆ ಮತ್ತು ಅತ್ಯಂತ ಬಹುಮುಖ ಮತ್ತು ಶಕ್ತಿಯುತ ಕಾರ್ಯಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ iloc ಸೂಚ್ಯಂಕ. ಪೂರ್ಣಾಂಕ-ಆಧಾರಿತ ಸೂಚ್ಯಂಕವನ್ನು ಆಧರಿಸಿ ಡೇಟಾಫ್ರೇಮ್‌ನ ಸಾಲುಗಳು ಮತ್ತು ಕಾಲಮ್‌ಗಳನ್ನು ಪ್ರವೇಶಿಸಲು ಇದು ಬಳಕೆದಾರರನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ.
ಪ್ರಾಯೋಗಿಕ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯ ಸನ್ನಿವೇಶದಲ್ಲಿ iloc ಅನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಎಂಬುದರ ಕುರಿತು ಹಂತ-ಹಂತದ ವಿವರಣೆಯನ್ನು ಚರ್ಚಿಸುವ ಮೂಲಕ ಪ್ರಾರಂಭಿಸೋಣ.
ಪಾಂಡಾಸ್ ಇಲೋಕ್‌ನ ಹಂತ-ಹಂತದ ವಿವರಣೆ
ಪಾಂಡಾಸ್ ಐಲೋಕ್ ಅನ್ನು ಬಳಸುವುದು ಸರಳ ಮತ್ತು ಅರ್ಥಗರ್ಭಿತವಾಗಿದೆ. ನಾವು ಈ ಕೆಳಗಿನ ಡೇಟಾಫ್ರೇಮ್ ಅನ್ನು ಹೊಂದಿದ್ದೇವೆ ಎಂದು ಭಾವಿಸೋಣ:
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)
ನಮ್ಮ ಡೇಟಾಫ್ರೇಮ್ 4 ಸಾಲುಗಳು ಮತ್ತು 3 ಕಾಲಮ್‌ಗಳನ್ನು ಹೊಂದಿದೆ. iloc ಅನ್ನು ಬಳಸಲು, ನೀವು ಪ್ರವೇಶಿಸಲು ಬಯಸುವ ಸಾಲುಗಳು ಮತ್ತು ಕಾಲಮ್‌ಗಳಿಗೆ ನೀವು ಸೂಚ್ಯಂಕಗಳನ್ನು ಒದಗಿಸಬೇಕಾಗುತ್ತದೆ. ಕೆಲವು ಉದಾಹರಣೆಗಳು ಇಲ್ಲಿವೆ:
1. ನಿರ್ದಿಷ್ಟ ಸಾಲು ಮತ್ತು ಕಾಲಮ್ ಅನ್ನು ಪ್ರವೇಶಿಸುವುದು:
# Access row 2 (index 1) and column 'Name' (index 0) selected_data = df.iloc[1, 0] print(selected_data) # Output: Bob
2. ಸಾಲುಗಳು ಮತ್ತು ಕಾಲಮ್‌ಗಳ ಶ್ರೇಣಿಯನ್ನು ಪ್ರವೇಶಿಸಲಾಗುತ್ತಿದೆ:
# 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. ನಿರ್ದಿಷ್ಟ ಸಾಲುಗಳು ಮತ್ತು ಕಾಲಮ್‌ಗಳನ್ನು ಪ್ರವೇಶಿಸಲಾಗುತ್ತಿದೆ:
# 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
ಗ್ರಂಥಾಲಯಗಳು ಮತ್ತು ಅವಲಂಬನೆಗಳು
ಉಪಯೋಗಿಸಲು ಪಾಂಡಾಗಳು iloc, ನೀವು ಪಾಂಡಾಗಳ ಲೈಬ್ರರಿಯನ್ನು ಸ್ಥಾಪಿಸಿರಬೇಕು, ಹಾಗೆಯೇ ಪಾಂಡಾಗಳು ಅವಲಂಬಿಸಿರುವ ಯಾವುದೇ ಇತರ ಗ್ರಂಥಾಲಯಗಳಾದ NumPy. ನೀವು ಅವುಗಳನ್ನು ಪಿಪ್ ಅಥವಾ ಕಾಂಡದ ಮೂಲಕ ಸ್ಥಾಪಿಸಬಹುದು:
pip install pandas numpy
or
conda install pandas numpy
ಲೈಬ್ರರಿಗಳನ್ನು ಸ್ಥಾಪಿಸಿದ ನಂತರ, ಮೇಲಿನ ಉದಾಹರಣೆಗಳಲ್ಲಿ ತೋರಿಸಿರುವಂತೆ ನಿಮ್ಮ ಪೈಥಾನ್ ಪರಿಸರದಲ್ಲಿ ನೀವು ಪಾಂಡಾಗಳು ಮತ್ತು ಐಲೋಕ್ ಅನ್ನು ಬಳಸಲು ಪ್ರಾರಂಭಿಸಬಹುದು.
ಇತರ ಸಂಬಂಧಿತ ಕಾರ್ಯಗಳು ಮತ್ತು ಸೂಚಿಕೆ ವಿಧಾನಗಳು
ಜೊತೆಗೆ iloc, ಪಾಂಡಾಗಳು ವಿವಿಧ ಸಂದರ್ಭಗಳಲ್ಲಿ ಉಪಯುಕ್ತವಾಗಿರುವ ಹಲವಾರು ಇತರ ಸೂಚಿಕೆ ಕಾರ್ಯಗಳು ಮತ್ತು ವಿಧಾನಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ. ಅವುಗಳಲ್ಲಿ ಕೆಲವು ಮುಖ್ಯವಾದವುಗಳು:
- ಸ್ಥಳ: ಈ ಸೂಚ್ಯಂಕವು ಬಳಕೆದಾರರಿಗೆ iloc ನಂತಹ ಪೂರ್ಣಾಂಕ-ಆಧಾರಿತ ಸೂಚಿಕೆಗಿಂತ ಲೇಬಲ್-ಆಧಾರಿತ ಸೂಚ್ಯಂಕವನ್ನು ಆಧರಿಸಿ ಸಾಲುಗಳು ಮತ್ತು ಕಾಲಮ್‌ಗಳನ್ನು ಪ್ರವೇಶಿಸಲು ಅನುಮತಿಸುತ್ತದೆ.
- ಇಲ್ಲಿ: ಲೇಬಲ್ ಆಧಾರಿತ ಸೂಚ್ಯಂಕವನ್ನು ಆಧರಿಸಿ ಒಂದೇ ಮೌಲ್ಯವನ್ನು ಪ್ರವೇಶಿಸಲು ಇದನ್ನು ಬಳಸಲಾಗುತ್ತದೆ.
- ಐಎಟಿ: 'at' ಗೆ ಹೋಲುತ್ತದೆ, ಆದರೆ ಪೂರ್ಣಾಂಕ-ಆಧಾರಿತ ಸೂಚಿಕೆಗಾಗಿ. ಪೂರ್ಣಾಂಕ-ಆಧಾರಿತ ಸೂಚ್ಯಂಕವನ್ನು ಆಧರಿಸಿ ಒಂದೇ ಮೌಲ್ಯವನ್ನು ಪ್ರವೇಶಿಸಲು ಇದನ್ನು ಬಳಸಲಾಗುತ್ತದೆ.
ಈ ಕಾರ್ಯಗಳನ್ನು ಎಕ್ಸ್‌ಪ್ಲೋರ್ ಮಾಡುವುದರಿಂದ ಮತ್ತು ಅವುಗಳನ್ನು ಐಲೋಕ್‌ನ ಸಂಯೋಜನೆಯಲ್ಲಿ ಹೇಗೆ ಬಳಸಬಹುದು ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಪಾಂಡಾಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಸಂಕೀರ್ಣ ಡೇಟಾ ಮ್ಯಾನಿಪ್ಯುಲೇಷನ್‌ಗಳನ್ನು ನಿರ್ವಹಿಸುವ ನಿಮ್ಮ ಸಾಮರ್ಥ್ಯವನ್ನು ಬಲಪಡಿಸುತ್ತದೆ.
