Pandas ir plaši izmantota Python bibliotēka datu manipulācijām un analīzei, un illoc ir būtiska bibliotēkas funkcija, kas ļauj lietotājiem atlasīt un manipulēt ar datiem, indeksējot uz veseliem skaitļiem. Tas var būt īpaši noderīgi, strādājot ar lielām datu kopām. Šajā rakstā mēs izpētīsim lietojumu pandas iloc dažādos scenārijos un soli pa solim paskaidrojiet, kā funkcija darbojas, lai palīdzētu izprast tās nozīmi un iespējamos lietojumus datu analīzē.
pandas iloc: kopīgas problēmas risinājums
Kopīgs izaicinājums, ar ko saskaras datu analītiķi, ir tas, kā efektīvi atlasīt un analizēt noteiktas datu kopas daļas. DataFrame objekts pandās piedāvā daudzas lieliskas metodes šo izaicinājumu risināšanai, un viena no daudzpusīgākajām un jaudīgākajām funkcijām ir illoc indeksētājs. Tas ļauj lietotājiem piekļūt DataFrame rindām un kolonnām, pamatojoties uz indeksēšanu uz veseliem skaitļiem.
Sāksim, apspriežot soli pa solim skaidrojumu par to, kā lietot iloc praktiskā datu analīzes scenārijā.
Soli pa solim Pandas iloc skaidrojums
Pandas iloc lietošana ir vienkārša un intuitīva. Pieņemsim, ka mums ir šāds 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)
Mūsu DataFrame ir 4 rindas un 3 kolonnas. Lai izmantotu iloc, jums ir jānodrošina indeksi rindām un kolonnām, kurām vēlaties piekļūt. Šeit ir daži piemēri:
1. Piekļuve noteiktai rindai un kolonnai:
# Access row 2 (index 1) and column 'Name' (index 0) selected_data = df.iloc[1, 0] print(selected_data) # Output: Bob
2. Piekļuve rindu un kolonnu diapazonam:
# 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. Piekļuve noteiktām rindām un kolonnām:
# 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
Bibliotēkas un atkarības
Izmantot pandas iloc, jums ir jābūt instalētai pandu bibliotēkai, kā arī visām citām bibliotēkām, no kurām ir atkarīgas pandas, piemēram, NumPy. Jūs varat tos instalēt, izmantojot pip vai conda:
pip install pandas numpy
or
conda install pandas numpy
Kad bibliotēkas ir instalētas, varat sākt lietot pandas un iloc savā Python vidē, kā parādīts iepriekš minētajos piemēros.
Citas saistītās funkcijas un indeksēšanas metodes
Papildus illoc, pandas nodrošina vairākas citas indeksēšanas funkcijas un metodes, kas var būt noderīgas dažādās situācijās. Daži no galvenajiem ir:
- vieta: Šis indeksētājs ļauj lietotājiem piekļūt rindām un kolonnām, kuru pamatā ir uz etiķetes balstīta indeksācija, nevis uz veseliem skaitļiem balstīta indeksācija, piemēram, iloc.
- at: To izmanto, lai piekļūtu vienai vērtībai, kuras pamatā ir uz etiķetes balstīta indeksācija.
- iat: Līdzīgi kā “at”, bet indeksēšanai, kuras pamatā ir veseli skaitļi. To izmanto, lai piekļūtu vienai vērtībai, pamatojoties uz veseliem skaitļiem balstītu indeksāciju.
Šo funkciju izpēte un izpratne par to, kā tās var izmantot kopā ar iloc, stiprinās jūsu spēju veikt sarežģītas datu manipulācijas, izmantojot pandas.
