Udpakning af rækker ved hjælp af Pandas .iloc[] i Python
Python er et fantastisk sprog til at lave dataanalyse, primært på grund af det fantastiske økosystem af datacentrerede Python-pakker. Pandaer er en af de pakker, der gør import og analyse af data meget nemmere. her lærer vi at udtrække rækker ved hjælp af Pandas .iloc[] in Python.
Pandas .iloc[] syntaks
Syntaks: pandas.DataFrame.iloc[]
Parametre: Indeksposition af rækker i heltal eller liste over heltal.
Returtype: Dataramme eller serie afhængig af parametre
Hvad er Pandas .iloc[] i Python?
I Python Pandas bibliotek, .iloc[]> er en indeksering, der bruges til heltal-placering-baseret indeksering af data i en DataFrame . Det giver brugerne mulighed for at vælge specifikke rækker og kolonner ved at levere heltalsindekser, hvilket gør det til et værdifuldt værktøj til datamanipulation og udtræk baseret på numeriske positioner i DataFrame. Denne indeksering er især nyttig, når du ønsker at få adgang til eller manipulere data ved hjælp af heltalsbaseret positionsindeksering i stedet for etiketter.
Brugt datasæt: For at downloade den CSV, der bruges i koden, skal du klikke .iloc[]> til heltal-placeringsbaseret indeksering. De udtrukne rækker udskrives til verifikation.
Python3
import> pandas as pd> # Creating a sample DataFrame> data> => pd.DataFrame({> > 'Name'> : [> 'Geek1'> ,> 'Geek2'> ,> 'Geek3'> ,> 'Geek4'> ,> 'Geek5'> ],> > 'Age'> : [> 25> ,> 30> ,> 22> ,> 35> ,> 28> ],> > 'Salary'> : [> 50000> ,> 60000> ,> 45000> ,> 70000> ,> 55000> ]> })> # Setting 'Name' column as the index for clarity> data.set_index(> 'Name'> , inplace> => True> )> # Displaying the original DataFrame> print> (> 'Original DataFrame:'> )> print> (data)> # Extracting a single row by index> row_alice> => data.iloc[> 0> , :]> print> (> '
Extracted Row (Geek1):'> )> print> (row_alice)> # Extracting multiple rows using a slice> rows_geek2_to_geek3> => data.iloc[> 1> :> 3> , :]> print> (> '
Extracted Rows (Geek2 to Geek3):'> )> print> (rows_geek2_to_geek3)> |
Output:
Original DataFrame: Age Salary Name Geek1 25 50000 Geek2 30 60000 Geek3 22 45000 Geek4 35 70000 Geek5 28 55000 Extracted Row (Geek1): Age 25 Salary 50000 Name: Geek1, dtype: int64 Extracted Rows (Geek2 to Geek3): Age Salary Name Geek2 30 60000 Geek3 22 45000
Konklusion
Afslutningsvis Pandaer .iloc[]> i Python er et kraftfuldt værktøj til at udtrække rækker baseret på heltal-placering indeksering. Dens værdi skinner i datasæt, hvor numeriske positioner betyder mere end etiketter. Denne funktion tillader selektiv hentning af individuelle rækker eller udsnit, hvilket gør den afgørende for effektiv datamanipulation og analyse. Alsidigheden af .iloc[]> øger fleksibiliteten i dataudtræk, hvilket muliggør problemfri adgang til specifikke dele af datasæt. Som en grundlæggende komponent i Pandas, .iloc[]> bidrager væsentligt til effektiviteten og klarheden af datarelaterede opgaver for udviklere og dataforskere.
