Python on loistava kieli tietojen analysointiin ensisijaisesti tietokeskeisten Python-pakettien fantastisen ekosysteemin vuoksi. Pandat on yksi niistä paketeista, jotka helpottavat paljon tietojen tuontia ja analysointia. Tässä opimme purkamaan rivejä käyttämällä Pandas .iloc[] -tiedostoa Python.
Pandas .iloc[] syntaksi
Syntaksi: pandas.DataFrame.iloc[]
Parametrit: Rivien sijainti hakemistossa kokonaisluvussa tai kokonaislukuluettelossa.
Palautustyyppi: Datakehys tai sarja parametrien mukaan
Mikä on Pandas .iloc[] Pythonissa?
Python Pandas -kirjastossa.iloc[]>on indeksointityökalu, jota käytetään a.:n tietojen kokonaislukusijaintiin indeksointiin Datakehys . Sen avulla käyttäjät voivat valita tiettyjä rivejä ja sarakkeita tarjoamalla kokonaislukuindeksejä, mikä tekee siitä arvokkaan työkalun tietojen käsittelyyn ja poimimiseen DataFramen numeeristen paikkojen perusteella. Tämä indeksointitoiminto on erityisen hyödyllinen, kun haluat käyttää tai käsitellä tietoja käyttämällä kokonaislukupohjaista sijaintiindeksointia tarrojen sijaan.
Käytetty tietojoukko: Lataa koodissa käytetty CSV napsauttamalla .iloc[]> kokonaislukusijaintiin perustuvaa indeksointia varten. Poimitut rivit tulostetaan tarkistusta varten.
Python 3
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)> |
>
>
Lähtö:
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>
Johtopäätös
Lopuksi Pandat.iloc[]>Pythonissa on tehokas työkalu rivien poimimiseen kokonaislukusijaintiindeksointiin perustuen. Sen arvo loistaa tietojoukoissa, joissa numeerisilla paikoilla on enemmän merkitystä kuin tarroilla. Tämä ominaisuus mahdollistaa yksittäisten rivien tai osien valikoivan haun, mikä tekee siitä välttämättömän tehokkaan tietojen käsittelyn ja analysoinnin. Sen monipuolisuus.iloc[]>lisää joustavuutta tiedon poiminnassa, mikä mahdollistaa saumattoman pääsyn tiettyihin tietojoukkojen osiin. Pandan peruskomponenttina,.iloc[]>edistää merkittävästi kehittäjien ja datatieteilijöiden dataan liittyvien tehtävien tehokkuutta ja selkeyttä.