Pandas je široko uporabljena knjižnica Python za obdelavo in analizo podatkov ter iloc je ključna funkcija v knjižnici, ki uporabnikom omogoča izbiro in obdelavo podatkov z indeksiranjem na podlagi celih števil. To je lahko še posebej uporabno pri delu z velikimi nabori podatkov. V tem članku bomo raziskali uporabo pande iloc v različnih scenarijih in razložite, kako funkcija deluje korak za korakom, da boste lažje razumeli njen pomen in potencialne aplikacije pri analizi podatkov.
pandas iloc: Rešitev pogoste težave
Pogost izziv, s katerim se srečujejo analitiki podatkov, je, kako učinkovito izbrati in analizirati določene dele svojega nabora podatkov. Objekt DataFrame v pandah ponuja veliko odličnih metod za reševanje teh izzivov, ena najbolj vsestranskih in zmogljivih funkcij pa je iloc indekser. Uporabnikom omogoča dostop do vrstic in stolpcev DataFrame na podlagi indeksiranja na podlagi celih števil.
Začnimo z razpravo po korakih o tem, kako uporabiti iloc v praktičnem scenariju analize podatkov.
Korak za korakom razlaga Pandas iloc
Uporaba pandas iloc je preprosta in intuitivna. Recimo, da imamo naslednji 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 vrstice in 3 stolpce. Če želite uporabljati iloc, morate zagotoviti indekse za vrstice in stolpce, do katerih želite dostopati. Tukaj je nekaj primerov:
1. Dostop do določene vrstice in stolpca:
# Access row 2 (index 1) and column 'Name' (index 0) selected_data = df.iloc[1, 0] print(selected_data) # Output: Bob
2. Dostop do obsega vrstic in stolpcev:
# 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. Dostop do določenih vrstic in stolpcev:
# 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 in odvisnosti
Uporabiti pande iloc, morate imeti nameščeno knjižnico pand, kot tudi vse druge knjižnice, od katerih so odvisne pande, kot je NumPy. Namestite jih lahko prek pip ali conda:
pip install pandas numpy
or
conda install pandas numpy
Ko so knjižnice nameščene, lahko začnete uporabljati pande in iloc v vašem okolju Python, kot je prikazano v zgornjih primerih.
Druge povezane funkcije in metode indeksiranja
Poleg iloc, pandas ponuja številne druge funkcije in metode indeksiranja, ki so lahko uporabne v različnih situacijah. Nekateri glavni so:
- lokacija: Ta indeksator omogoča uporabnikom dostop do vrstic in stolpcev na podlagi indeksiranja, ki temelji na oznakah, namesto na indeksiranju, ki temelji na celih številih, kot je iloc.
- na spletni strani: Uporablja se za dostop do posamezne vrednosti na podlagi indeksiranja na podlagi oznak.
- iat: Podobno kot 'at', vendar za indeksiranje na osnovi celih števil. Uporablja se za dostop do ene vrednosti, ki temelji na indeksiranju na osnovi celega števila.
Raziskovanje teh funkcij in razumevanje, kako jih je mogoče uporabiti v kombinaciji z iloc, bo okrepilo vašo sposobnost izvajanja kompleksnih podatkovnih manipulacij z uporabo pand.
