Pandas é uma biblioteca Python amplamente usada para manipulação e análise de dados, e iloc é uma função crucial dentro da biblioteca que permite aos usuários selecionar e manipular dados por indexação baseada em números inteiros. Isso pode ser particularmente útil ao trabalhar com grandes conjuntos de dados. Neste artigo, vamos explorar o uso de pandas iloc em vários cenários e explicar como a função funciona passo a passo para ajudá-lo a entender seu significado e possíveis aplicações na análise de dados.
pandas iloc: a solução para um problema comum
Um desafio comum enfrentado pelos analistas de dados é como selecionar e analisar com eficiência partes específicas de seu conjunto de dados. O objeto DataFrame em pandas oferece muitos métodos excelentes para enfrentar esses desafios, e uma das funções mais versáteis e poderosas é o iloc indexer. Ele permite que os usuários acessem linhas e colunas de um DataFrame com base na indexação baseada em número inteiro.
Vamos começar discutindo uma explicação passo a passo de como usar o iloc em um cenário prático de análise de dados.
Explicação passo a passo do Pandas iloc
Usar o pandas iloc é simples e intuitivo. Suponha que temos o seguinte 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)
Nosso DataFrame possui 4 linhas e 3 colunas. Para usar o iloc, você precisa fornecer índices para as linhas e colunas que deseja acessar. aqui estão alguns exemplos:
1. Acessando uma linha e coluna específicas:
# Access row 2 (index 1) and column 'Name' (index 0) selected_data = df.iloc[1, 0] print(selected_data) # Output: Bob
2. Acessando um intervalo de linhas e colunas:
# 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. Acessando linhas e colunas específicas:
# 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
Bibliotecas e Dependências
Para utilizar o pandas iloc, você precisa ter a biblioteca pandas instalada, bem como quaisquer outras bibliotecas das quais os pandas dependam, como NumPy. Você pode instalá-los via pip ou conda:
pip install pandas numpy
or
conda install pandas numpy
Depois que as bibliotecas estiverem instaladas, você poderá começar a usar pandas e iloc em seu ambiente Python, conforme mostrado nos exemplos acima.
Outras funções relacionadas e métodos de indexação
Além de iloc, o pandas fornece várias outras funções e métodos de indexação que podem ser úteis em diferentes situações. Alguns dos principais são:
- local: Esse indexador permite que os usuários acessem linhas e colunas com base na indexação baseada em rótulos, em vez da indexação baseada em números inteiros, como o iloc.
- em: Ele é usado para acessar um único valor com base na indexação baseada em rótulo.
- isso: Semelhante a 'at', mas para indexação baseada em número inteiro. Ele é usado para acessar um único valor com base na indexação baseada em número inteiro.
Explorar essas funções e entender como elas podem ser usadas em combinação com o iloc fortalecerá sua capacidade de realizar manipulações de dados complexas usando pandas.