Пандас је широко коришћена Питхон библиотека за манипулацију и анализу података, и илоц је кључна функција унутар библиотеке која омогућава корисницима да бирају и манипулишу подацима индексирањем заснованим на целобројним вредностима. Ово може бити посебно корисно када радите са великим скуповима података. У овом чланку ћемо истражити употребу пандас илоц у различитим сценаријима и објасните како функција функционише корак по корак како бисте лакше разумели њен значај и потенцијалне примене у анализи података.
пандас илоц: Решење заједничког проблема
Уобичајени изазов са којим се суочавају аналитичари података је како да ефикасно изаберу и анализирају одређене делове свог скупа података. ДатаФраме објекат у пандама нуди многе одличне методе за решавање ових изазова, а једна од најсвестранијих и најмоћнијих функција је илоц индекер. Омогућава корисницима да приступе редовима и колонама ДатаФраме-а на основу индексирања заснованог на целим бројевима.
Почнимо тако што ћемо разговарати о објашњењу корак по корак о томе како користити илоц у сценарију практичне анализе података.
Објашњење Пандас илоц-а корак по корак
Коришћење пандас илоц-а је једноставно и интуитивно. Претпоставимо да имамо следећи ДатаФраме:
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)
Наш ДатаФраме има 4 реда и 3 колоне. Да бисте користили илоц, морате да обезбедите индексе за редове и колоне којима желите да приступите. Ево неколико примера:
1. Приступ одређеном реду и колони:
# Access row 2 (index 1) and column 'Name' (index 0) selected_data = df.iloc[1, 0] print(selected_data) # Output: Bob
2. Приступ низу редова и колона:
# 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. Приступ одређеним редовима и колонама:
# 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
Библиотеке и зависности
Користити пандас илоц, потребно је да имате инсталирану библиотеку панда, као и све друге библиотеке од којих панде зависе, као што је НумПи. Можете их инсталирати преко пип или цонда:
pip install pandas numpy
or
conda install pandas numpy
Када су библиотеке инсталиране, можете почети да користите пандас и илоц у свом Питхон окружењу као што је приказано у примерима изнад.
Друге сродне функције и методе индексирања
Поред илоц, пандас пружа неколико других функција и метода индексирања које могу бити корисне у различитим ситуацијама. Неки од главних су:
- лоц: Овај индексатор омогућава корисницима да приступе редовима и колонама на основу индексирања заснованог на ознакама, уместо индексирања заснованог на целим бројевима као што је илоц.
- на: Користи се за приступ једној вредности на основу индексирања заснованог на ознакама.
- иат: Слично 'ат', али за индексирање засновано на целим бројевима. Користи се за приступ једној вредности заснованој на индексирању заснованом на целим бројевима.
Истраживање ових функција и разумевање како се могу користити у комбинацији са илоц-ом ће ојачати вашу способност да обављате сложене манипулације подацима помоћу панда.