Pandas Access Row etter indeks

“Pandas er et bibliotek; Vi kan si at det er et "open source" -bibliotek designet først og fremst for å bevege seg effektivt og logisk med relasjonelle eller merkede data. Det tilbyr en rekke informasjonsstrukturer og prosedyrer for å jobbe med tidsserier og kvantitativ informasjon. Numpy -biblioteket fungerer som grunnlaget for dette biblioteket. Pandas er raskt og tilbyr brukerne eksepsjonelle ytelser og effektivitet. Vi har dataframmer i "pandaer" som lagrer data i tabellform, og vi kan også få tilgang til rader i "pandaer" etter deres indeksverdier. Å få tilgang til rader med indeks betyr å få alle dataene fra ønsket rad ved å sette indeksverdien. I denne opplæringen får vi tilgang til radene etter indeks og vil her forklare hvilke metoder som brukes til å få tilgang til rader etter indeks i pandaer.”

Metoder for tilgang til rad etter indeks i pandaer

“Pandas” gir to forskjellige metoder for å få tilgang til radene etter indeks. Vi vil diskutere disse metodene her i denne guiden, og disse metodene er:

• loc [] metode.
• iloc [] metode.

La oss gjøre noen koder og vil bruke begge metodene separat og sjekke resultatene av hvordan disse metodene brukes i “Pandas”.

Eksempel 01: Bruke DataFrame.loc [] metode

Vi åpner "Spyder" -appen for å utføre disse eksemplene, som presenteres her i denne opplæringen. Vi begynner med vår første kode her ved å importere “Pandas som PD”, som er den viktigste delen her. Vi får tilgang til "Pandas" -funksjonen ved å skrive "PD". Nå har vi laget en dataaframe og lagt noen rader og kolonner i den. Navnet på denne DataFrame er "rapport" her.

Vi blir bedt om å legge til noen data, og vi legger “Serial_no” som det første kolonnenavnet og legger til “1”, “2”, “3”, “4” og “5” til denne “Serial_no” -kolonnen. Etter dette har vi lagt til "Studenter" -kolonnen, og her har vi "Smith", "Jack", "Joseph", "Robert" og "Cherry" i denne kolonnen. Den neste spalten heter “Teachers”, og vi la til “Mia”, “Thomas”, “Emma”, “Charles” og “Olivia”. Nå kommer "emnet" -kolonnen, og i dette legger vi til "engelsk", "matematikk", "det", "vitenskap" og "sosial" som fagene. Og den siste kolonnen vi har er kolonnen "Credit_hrs". Vi setter “3”, “4”, “4”, “5” og “6” i "Credit_hrs" -kolonnen. Og konvertere alle disse dataene til DataFrame nedenfor ved å sette “PD.DataFrame ”og lagrer den i en ny variabel med navnet“ Report1 ”. Etter dette skriver vi ut denne “Report1” DataFrame på konsollskjermen ved å bruke “Print ()”. Nå setter vi "indeksen" på denne dataaframe ved å bruke metoden "set_index".

Her velger vi “Serial_no” som indeksen. Under dette bruker vi “DataFrame.Loc ”-metode for å få radene vi ønsker. Her satte vi navnet på DataFrame, som er "Report1", og setter også "serail_no" hvis rader vi ønsker å få tilgang til. Vi velger “2” fra “Serial_no” fordi vi vil velge raden hvis “Serial_no” er “2”. Og vi lagrer denne raden i "resultat" -variabelen. Etter dette har vi "trykk" for å gjengi denne raden på konsollskjermen til "Spyder".

Vi trykker ganske enkelt på “Shift+Enter” og får dette resultatet av koden. Her velger den raden hvis "Serial_no" er "2", og denne raden inneholder "Jack", "Thomas", "Maths" og "4". Vi får tilgang til denne raden ved å bruke “DataFrame.Loc ”-metode.

Eksempel 02

Vi bruker koden ovenfor igjen, men i dette eksemplet vil vi velge mer enn en rad ved å bruke “DataFrame.Loc ”-metode. Vi oppretter DataFrame, og etter å ha skrevet ut DataFrame, setter vi indeksen. Deretter la vi to firkantede parenteser og plasserte to forskjellige “Credit_hrs” i disse firkantede parentesene, som vist. Her legger vi til “3, 5”, så det vil returnere data fra to rader hvis “Credit_hrs” er “3”, og “4”. Vi lagrer begge radene i "RSLT" -variabelen og skriver dem deretter ut ved å bruke "print ()".

Dette utfallet viser at vi får to rader her. "Credit_hrs" av den første raden som vi får tilgang til her er "3", og den andre er "5", ettersom vi har valgt "3" og "4" Credit_HRS for tilgang til disse to radene.

Eksempel 03: Bruke DataFrame.iloc [] metode

Her starter vi denne koden og importerer “Pandas som PD”. Dataframets navn er "lager" i dette tilfellet. Vi blir bedt om å legge til noen data, så vi navngir den første kolonnen som "elementer" og skriver inn "melken", "sponch", "ball", "gummi" og "puff" i denne "elementer" -kolonnen. Etter det la vi til "Stolery" -kolonnen, der vi inkluderer "peker", "register", "Fjerner", "blekk" og "markør". "Kvalitet" -kolonnen er neste, og vi legger til kvalitetsverdiene som "gode", "beste", "suveren", "gjennomsnitt" og "bra" til det.

Vi viser "aksjen" med støtte fra "print ()" -uttalelsen. Nå er det “DataFrame.ILOC [] ”-metoden nedenfor, og vi plasserer“ 2 ”indeksverdien for å få indeksen 2 -raden og lagre den som en“ data ”-variabel. Etter dette har vi et "trykk ()" som gjengir denne raden på terminalen til "Spyder".

Indeks 2 -raden inneholder tre verdier som er "ball", "remover" og "suveren". Så den får tilgang til denne raden og gjengis nedenfor.

Eksempel 04

Oppdater eksempel 3 her og velg to indeksverdier for tilgang til tre rader. "Produktet" DataFrame er opprettet her med de samme dataene som i eksempel 3 og gjengir også dette. Vi velger tre forskjellige indeksverdier her og legger dem i to firkantede parenteser. Vi velger “0”, “2” og “4” indeksverdier. Så disse tre radene er valgt og lagret i "Data1" -variabelen. Vi gjengir alle tre radene også ved å legge "utskrift ()" -funksjonen her.

Først kan du se hele DataFrame, og nedenfor kan du observere at den skriver ut de valgte radene når vi får tilgang til disse tre radene ved å konsumere “DataFrame.iloc [] ”-metode.

Eksempel 05

Vi har igjen en DataFrame her i denne koden med navnet "Salg". Etter å ha vist dette “salg” DataFrame, satte vi direkte “DataFrame.ILOC ”-metode i utskriftserklæringen. Så det vil få tilgang til og også skrive ut de tilgang til radene. Her ": 3" brukes, noe som betyr at vi får tilgang til de tre første radene her.

Utgangen gjør hele DataFrame så vel som de tre første radene i DataFrame nedenfor, da vi har fått tilgang til disse tre radene ved å definere dem i “DataFrame.iloc [] ”-metode.

Eksempel 06

I denne koden får vi tilgang til de alternative radene. Etter å ha definert og skrevet ut den originale DataFrame, plasserer vi “DataFrame.ILOC ”-metode som parameter for utskriftsuttalelsen og angir“ [:: 2] ”i den, som representerer at vi ønsker å få tilgang til de alternative radene fra denne gitte DataFrame. Den vil få tilgang til de alternative radene og også skrive dem ut på terminalen.

Se på denne utgangen, og sjekk at etter å ha vist hele DataFrame, får den tilgang til de alternative radene fra denne DataFrame og viser dem under den originale DataFrame.

Konklusjon

Vi har skrevet denne opplæringen for å hjelpe deg med å forstå hvordan du kan "få tilgang til rader etter indeks" i "pandas". Vi har definert to metoder her, som er “DataFrame.Loc [] "-metoden og“ DataFrame.ILOC [] ”-metoden, og utførte også flere eksempler der vi bruker både metoder og får tilgang til rader på forskjellige måter. Vi har også gjengitt utgangene sammen med kodeskriptene. Vi har forklart hver kode i dybden her. Jeg håper du enkelt vil lære å få tilgang til radene etter indeks og hvilke metoder som brukes til å få tilgang til radene med indeks i "Pandas".