Pandas yra plačiai naudojama Python biblioteka, skirta manipuliuoti ir analizuoti duomenis illoc yra labai svarbi bibliotekos funkcija, leidžianti vartotojams pasirinkti ir valdyti duomenis indeksuojant sveikaisiais skaičiais. Tai gali būti ypač naudinga dirbant su dideliais duomenų rinkiniais. Šiame straipsnyje mes išnagrinėsime, kaip naudoti pandos iloc įvairiuose scenarijuose ir žingsnis po žingsnio paaiškinkite, kaip funkcija veikia, kad suprastumėte jos reikšmę ir galimas pritaikymo galimybes duomenų analizėje.
pandas iloc: bendros problemos sprendimas
Dažnas iššūkis, su kuriuo susiduria duomenų analitikai, yra tai, kaip efektyviai pasirinkti ir analizuoti konkrečias duomenų rinkinio dalis. „DataFrame“ objektas pandose siūlo daug puikių metodų, kaip įveikti šiuos iššūkius, o viena universaliausių ir galingiausių funkcijų yra illoc indeksuotojas. Tai leidžia vartotojams pasiekti „DataFrame“ eilutes ir stulpelius, pagrįstus sveikaisiais skaičiais paremtu indeksavimu.
Pradėkime nuo nuoseklaus paaiškinimo, kaip naudoti iloc praktiniame duomenų analizės scenarijuje.
Žingsnis po žingsnio Pandas iloc paaiškinimas
Pandos iloc naudojimas yra paprastas ir intuityvus. Tarkime, kad turime tokį 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)
Mūsų „DataFrame“ turi 4 eilutes ir 3 stulpelius. Norėdami naudoti iloc, turite pateikti eilučių ir stulpelių, kuriuos norite pasiekti, indeksus. Štai keletas pavyzdžių:
1. Prieiga prie konkrečios eilutės ir stulpelio:
# Access row 2 (index 1) and column 'Name' (index 0) selected_data = df.iloc[1, 0] print(selected_data) # Output: Bob
2. Prieiga prie eilučių ir stulpelių diapazono:
# 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. Prieiga prie konkrečių eilučių ir stulpelių:
# 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
Bibliotekos ir priklausomybės
naudoti pandos iloc, turite turėti įdiegtą pandų biblioteką, taip pat visas kitas bibliotekas, nuo kurių priklauso pandos, pvz., NumPy. Galite juos įdiegti per pip arba conda:
pip install pandas numpy
or
conda install pandas numpy
Įdiegę bibliotekas galite pradėti naudoti pandas ir iloc savo Python aplinkoje, kaip parodyta anksčiau pateiktuose pavyzdžiuose.
Kitos susijusios funkcijos ir indeksavimo metodai
Be to, illoc, pandos teikia keletą kitų indeksavimo funkcijų ir metodų, kurie gali būti naudingi įvairiose situacijose. Kai kurie iš pagrindinių yra:
- vieta: Šis indeksavimo įrankis leidžia vartotojams pasiekti eilutes ir stulpelius, pagrįstus etiketėmis, o ne sveikaisiais skaičiais, pavyzdžiui, iloc.
- adresu: Jis naudojamas norint pasiekti vieną vertę, pagrįstą etikete pagrįstu indeksavimu.
- iat: Panašus į „at“, bet skirtas indeksavimui sveikaisiais skaičiais. Jis naudojamas norint pasiekti vieną vertę, pagrįstą indeksavimu sveikaisiais skaičiais.
Šių funkcijų tyrinėjimas ir supratimas, kaip jas galima naudoti kartu su iloc, sustiprins jūsų gebėjimą atlikti sudėtingas duomenų manipuliacijas naudojant pandas.
