Python은 데이터 중심 Python 패키지의 환상적인 생태계 덕분에 데이터 분석을 수행하는 데 훌륭한 언어입니다. 팬더 데이터를 훨씬 쉽게 가져오고 분석할 수 있는 패키지 중 하나입니다. 여기서는 Pandas .iloc[]를 사용하여 행을 추출하는 방법을 배웁니다. 파이썬.
팬더 .iloc[] 구문
통사론: pandas.DataFrame.iloc[]
매개변수: 정수 또는 정수 목록의 행 인덱스 위치입니다.
반환 유형: 매개변수에 따른 데이터 프레임 또는 시리즈
Python에서 Pandas .iloc[]란 무엇입니까?
Python Pandas 라이브러리에서는.iloc[]>데이터의 정수 위치 기반 인덱싱에 사용되는 인덱서입니다. 데이터프레임 . 사용자는 정수 인덱스를 제공하여 특정 행과 열을 선택할 수 있으므로 DataFrame 내의 숫자 위치를 기반으로 데이터 조작 및 추출을 위한 유용한 도구가 됩니다. 이 인덱서는 레이블이 아닌 정수 기반 위치 인덱싱을 사용하여 데이터에 액세스하거나 데이터를 조작하려는 경우 특히 유용합니다.
사용된 데이터 세트: 코드에 사용된 CSV를 다운로드하려면 .iloc[]> 정수 위치 기반 인덱싱의 경우. 추출된 행은 확인을 위해 인쇄됩니다.
파이썬3
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)> |
>
>
출력 :
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>
결론
결론적으로 팬더는.iloc[]>Python의 정수 위치 인덱싱을 기반으로 행을 추출하는 강력한 도구입니다. 그 가치는 라벨보다 숫자 위치가 더 중요한 데이터세트에서 빛을 발합니다. 이 기능을 사용하면 개별 행이나 조각을 선택적으로 검색할 수 있으므로 효율적인 데이터 조작 및 분석에 필수적입니다. 다양성.iloc[]>데이터 추출의 유연성을 향상하여 데이터 세트의 특정 부분에 원활하게 액세스할 수 있습니다. Pandas의 기본 구성요소로서,.iloc[]>개발자와 데이터 과학자의 데이터 관련 작업의 효율성과 명확성에 크게 기여합니다.