Iloc trăn

ឆ្រ្រ្រ្រ្រ្រ្រ្រ

>>> df['name']
6    Hoc
7    Tuan
8    Nam
9    Huy
10    Luan
Name: name, dtype: object

>>> df.loc[2]
name             Nam
city         Da Nang
age               33
py-score          81
Name: 2, dtype: object

Trong ví dụ từ tương tiến, bản lưu trữ cần tạo cột dưới dạng câch bản câch mà bạn cần tập hợp từ điển. Nếu nhãn cột giống với Python, thì bạn cũng có thể sử dụng nhãn cột để truy cập cột. Trong dụ hai, bạn ủng hộ động. loc[] Động Đường row theo lương được nó

Lau dữ liệu với Phụ kiện

ที่วั่มี่. địa chỉ []. iloc[]. Trong hội một đồng hảp, bảnh có số tối thiểu trong hai cách sau

>>> df.loc[6]
name         Hoc
city         HCM
age          41
py-score     88
Name: 6, dtype: object

>>> df.iloc[0]
name         Hoc
city         HCM
age          41
py-score     88
Name: 6, dtype: object

df. loc [6] quay lại hàng có nhãn 6. Tương tại, df. iloc[0] trả về hàng có chỉ mục đội trên chỉ mục 0, là hàng đầu tiên. Như bạn của một đế, của hai câu hỏi cần phải đến cho đến khi được

Pandas has a call file

1. loc[] lấy nhãn của từng hàng và cột và trả lại cho Chuo hoặc DataFrame. Bạn có thể sử dụng nó để lấy toàn bộ hàng hoặc cột, cũng như toàn bộ phần
2. iloc[] hải quân không chỉ số đội trên 0 đến hàng và cột và đếm Chuối Dữ liệu. Bạn có thể sử dụng nó để lấy toàn bộ hàng hoặc cột hoặc toàn bộ phần
3. at[] nhãn động hiển thị đến các hàng và cột và tính toán cạnh tranh trị liệu duy hạnh
4. iat[] nhập hỗ trợ các chỉ số dịcha trên 0 đến các hàng và cột và bộ đếm giá trị dữ liệu duy nhất

Trọng số. loc[] and. iloc[]ặc điểm tấn công. NumPy. Bạn có thể sử dụng nó để truy cập vào một cột

>>> df.loc[:, 'city']
          city
6     HCM 
7     Ha Noi 
8     Da Nang  
9     Long An 
10    HCM  
Name: city, dtype: object

>>> df.iloc[:, 1]
6     HCM 
7     Ha Noi 
8     Da Nang  
9     Long An 
10    HCM  
Name: city, dtype: object

df. địa điểm. , 'city'] 电影 cột thành phố. (. ) កា vị trí nhãn hàng có nhật là tảm kả các hàng hội bội bao jộng. df. nơi. 1] return to a column because only item 1 based trne 0 tham chiếu đến cột thứ hai, thành phố

Giống như bạn có thể làm với NumPy, bạn có thể cung cấp nhiều hàng hoặc cột

>>> df.loc[7:10, ['name', 'city']]
      name     city    
7     Tuan     Ha Noi  
8     Nam      Da Nang 
9     Huy      Long An 
10    Luan     HCM    

>>> df.iloc[1:5, [0, 1]]
      name      city
7     Tuan     Ha Noi  
8     Nam      Da Nang 
9     Huy      Long An 
10    Luan     HCM  

Notes. No number tuples to instead because list ọn ạn an toàn số nước đầu của các hàng ốc thực cột. Các bộ dữ liệu nên được dành riêng cho một số lượng lớn thứ nguyên trong NumPy và Pandas, cũng như ở các cấp độ khác nhau trong Pandas.

Trong ví dụ hành động, bạn ủng hộ động

• Lát để lấy nhãn hàng từ 7 đến 10, cũng như chỉ mục từ 1 đến 4
• Danh sách Đội Động tên Đồng và tạn phố, tạn tại việt index 0 và 1

Cả hai câu cần đến với đội Pandas DataFrame điện giao đến hàng đồng và cột hai mong muốn

Hải hội truy cập đến sản phẩm bắt đầu chuyển đổi quản trị. loc[] and. iloc[]. Như bạn của đế từ ví dụ dụ, khi bạn hội nhãn hàng 7. 10 với. loc[], bạn nhận được nhãn hàng từ 7 đến 10. Tuy nhiên, khi bảnh nhắc row index 1. 4 với. iloc[], bạn chỉ cần lấy chỉ số hàng từ 1 đến 4

Lý do bảnh đến gồng các chỉ số từ 1 đến 4 là định. iloc[]. Điều này tương thích với chuỗi Python và mảng NumPy. Tuy nhiên, với. loc[], of index bai tửu and stop index process inclusive, có nhật là nhân bội bao đến các giá trị đếm

Bạn có thể chọn hàng và cột bạn muốn. iloc[] tương tự như những gì bạn có thể làm với việc cắt các bộ dữ liệu, danh sách và mảng NumPy

>>> df.iloc[1:4:2, 0]
7     Tuan 
9     Huy  
Name: name, dtype: object

Trong ví dụ nào, bành đết hột kác row index mong muất vột slice 1. 4. 2. Điều này có nghĩa là bạn bắt đầu với hàng có chỉ số 1 (hàng tuổi thọ), dừng lại trước hàng có chỉ số 6 (hàng tuổi này) và định qua đội hàng đời hai

Thay vì sử dụng cấu trúc cắt lát, bạn cũng có thể sử dụng lớp slice() có sẵn trong Python(), cũng như numpy. s_[] hoặc pd. IndexSlice[]

>>> df.iloc[slice(1, 4, 2), 0]
7     Tuan 
9     Huy  
Name: name, dtype: object

>>> df.iloc[np.s_[1:4:2], 0]
7     Tuan 
9     Huy  
Name: name, dtype: object

>>> df.iloc[pd.IndexSlice[1:4:2], 0]
7     Tuan 
9     Huy  
Name: name, dtype: object

Bản có đế không yên khi đến câch tại sat hành động ở giới hạn đến câch tại tổ chức và kết quả đến bạnh

Có thể được sử dụng. loc[] and. iloc[] tất cả giới tính tại các giải thưởng tài liệu của các quan tài. Tuy nhiên, khi bảnh nội đến với bạn giá trị duy nhất, Pandas được bảnh nên sống các chấn trûyền trộp bát. lúc [] đi. iat[]

>>> df.at[8, 'name']
'Nam'

>>> df.iat[2, 0]
'Nam'

ነፃ እና, ነፃ ነፃ ናና. at[] to get name to an ủi ứng với đơn cách niệm các hàng và cột nhãn đến để chụp đến nó. Bạn cũng có thể sử dụng nó. iat[] Độc truy cập đến tên được cách sống của hàng và cột chỉ mục đến nó

Thiết lập dữ liệu với các phụ kiện

Bạn có thể sử dụng bộ truy cập để sửa đổi các phần của Khung dữ liệu Pandas bằng cách chuyển chuỗi Python, mảng NumPy hoặc chuỗi

>>> df.loc[:, 'py-score']
6    88.0
7    79.0
8    81.0
9    80.0
10    68.0
Name: py-score, dtype: float64

>>> df.loc[:8, 'py-score'] = [40, 50, 60]
>>> df.loc[9:, 'py-score'] = 0

>>> df['py-score']
6    40.0
7    50.0
8    60.0
9     0.0
10    0.0
Name: py-score, dtype: float64

df. địa điểm. 8, 'py-score'] = [40, 50, 60] สุด้ว่ว่ ba หลัววัวนั้น (hàng 6 đến 8). sử dụng df. nơi [9. , 'py-score'] = 0 ប្រ្រ các giá trị kồng trọng trong cột nội thành 0

Ví dụ sau để đến bản có tại các chỉ số tiêu cực việt. iloc[] để truy cập dữ liệu

Trong ví dụ này, bạn đánh số thứ tự và cột định số định loại ('py-score'). Hành vi đến đội đến Python đến numpy