Pandas Access Row par index

«Pandas est une bibliothèque; Nous pouvons dire qu'il s'agit d'une bibliothèque «open source» conçue principalement pour se déplacer efficacement et logiquement avec des données relationnelles ou étiquetées. Il propose une gamme de structures et de procédures d'information pour travailler avec des séries chronologiques et des informations quantitatives. La bibliothèque Numpy sert de base à cette bibliothèque. Pandas est rapide et offre à ses utilisateurs des performances et une efficacité exceptionnelles. Nous avons des données de données dans «pandas» qui stocke les données sous forme tabulaire, et nous pouvons également accéder aux lignes en «pandas» par leurs valeurs d'index. Accéder aux lignes par index signifie obtenir toutes les données de la ligne souhaitée en mettant sa valeur d'index. Dans ce tutoriel, nous accéderons aux lignes par index et expliquerons ici quelles méthodes sont utilisées pour accéder aux lignes par index en pandas."

Méthodes pour accéder à la ligne par index en pandas

«Pandas» fournit deux méthodes différentes pour accéder aux lignes par index. Nous discuterons de ces méthodes ici dans ce guide, et ces méthodes sont:

• Méthode loc [].
• Méthode Iloc [].

Faisons des codes et utiliserons les deux méthodes séparément et vérifions les résultats de la façon dont ces méthodes sont utilisées dans les «pandas».

Exemple 01: Utilisation de DataFrame.Méthode loc []

Nous ouvrons l'application «Spyder» pour effectuer ces exemples, qui sont présentés ici dans ce tutoriel. Nous commençons par notre premier code ici en important les «pandas en tant que PD», qui est la partie la plus importante ici. Nous accéderons à la fonction «Pandas» en écrivant simplement «PD». Maintenant, nous avons créé un dataframe et y avons mis des lignes et des colonnes. Le nom de ce DataFrame est «Rapport» ici.

Nous sommes chargés d'ajouter des données, et nous mettons "Serial_No" comme premier nom de colonne et ajouter "1", "2", "3", "4" et "5" à cette colonne "Serial_No". Après cela, nous avons ajouté la chronique «étudiants», et ici nous avons «Smith», «Jack», «Joseph», «Robert» et «Cherry» dans cette colonne. La colonne suivante est nommée «Teachers» et nous avons ajouté «Mia», «Thomas», «Emma», «Charles» et «Olivia». Vient maintenant la colonne «sujet», et en cela, nous ajoutons «anglais», «mathématiques», «it», «science» et «social» comme sujets. Et la dernière colonne que nous avons est la colonne "Credit_Hrs". Nous mettons «3», «4», «4», «5» et «6» dans la colonne «Credit_Hrs». Et convertissez toutes ces données en la dataframe ci-dessous en mettant «PD.DataFrame »et le stockant dans une nouvelle variable nommée« Report1 ». Après cela, nous imprimons ce Dataframe de Data «Report1» sur l'écran de la console en utilisant «print ()». Maintenant, nous définissons «l'index» sur ce DataFrame en utilisant la méthode «set_index».

Ici, nous choisissons «serial_no» comme index. En dessous, nous utilisons le «DataFrame.Méthode loc ”pour obtenir les lignes que nous voulons. Ici, nous mettons le nom du DataFrame, qui est «Report1» et mettons également le «SERAIL_NO» dont nous voulons accéder. Nous sélectionnons «2» dans le «Serial_No» car nous voulons sélectionner la ligne dont «Serial_No» est «2». Et nous stockons cette ligne dans la variable «Résultat». Après cela, nous avons «imprimer» pour rendre cette ligne sur l'écran de la console de «Spyder».

Nous appuyons simplement sur «Shift + Entrée» et obtenons ce résultat du code. Ici, il sélectionne la ligne dont «Serial_no» est «2», et cette ligne contient «Jack», «Thomas», «Maths» et «4». Nous accédons à cette ligne en utilisant le «DataFrame.Méthode loc ”.

Exemple 02

Nous utilisons à nouveau le code ci-dessus, mais dans cet exemple, nous sélectionnerons plus d'une ligne en utilisant le «DataFrame.Méthode loc ”. Nous créons DataFrame, et après imprimer le DataFrame, nous définissons l'index. Ensuite, nous avons mis deux crochets et placé deux «Credit_Hrs» différents dans ces crochets, comme indiqué. Ici, nous ajoutons «3, 5», donc il renverra les données de deux lignes dont «Credit_Hrs» sont «3» et «4». Nous stockons les deux lignes dans la variable «RSLT», puis les imprimant en utilisant «print ()».

Ce résultat montre que nous obtenons deux lignes ici. Le «Credit_Hrs» de la première ligne auquel nous accéderons ici est «3», et le second est «5», car nous avons sélectionné «3» et «4» Credit_Hrs pour accéder à ces deux lignes.

Exemple 03: Utilisation de DataFrame.Méthode Iloc []

Ici, nous commençons ce code et importons les «Pandas en tant que PD». Le nom de DataFrame est «stock» dans ce cas. Nous sommes invités à ajouter des données, nous nommons donc la première colonne comme "articles" et entrons dans le "lait", "Sponch", "Ball", "Rubber" et "Puff" dans cette colonne "Articles". Après cela, nous avons ajouté la colonne «papeterie», dans laquelle nous incluons «Pointer», «Registre», «Remover», «Ink» et «Marker». La colonne «de qualité» est la prochaine, et nous ajoutons les valeurs de qualité comme «bonnes», «meilleures», «superbes», «moyennes» et «bien».

Nous affichons le «stock» avec la prise en charge de la déclaration «print ()». Maintenant, il y a le «DataFrame.ILOC [] ”Méthode ci-dessous, et nous plaçons la valeur d'index« 2 »pour obtenir la ligne d'index 2 et l'enregistrer en tant que variable« Data ». Après cela, nous avons un «print ()» qui rend cette ligne sur le terminal du «Spyder».

La ligne d'index 2 contient trois valeurs qui sont «balles», «dissolvant» et «superbe». Donc, il accède à cette ligne et rend ci-dessous.

Exemple 04

Mettre à jour l'exemple 3 ici et sélectionner deux valeurs d'index pour accéder à trois lignes. Le «produit» DataFrame est créé ici avec les mêmes données que dans l'exemple 3 et le rend également. Nous choisissons ici trois valeurs d'index différentes et les avons mis dans deux crochets. Nous choisissons les valeurs d'index «0», «2» et «4». Ainsi, ces trois lignes sont sélectionnées et stockées dans la variable «Data1». Nous rendons également les trois lignes en mettant la fonction «print ()» ici.

Tout d'abord, vous pouvez voir le Full DataFrame, et ci-dessous, vous pouvez observer qu'il imprime les lignes sélectionnées alors que nous accédons à ces trois lignes en consommant le «DataFrame.Méthode Iloc [] ».

Exemple 05

Nous avons à nouveau un dataframe ici dans ce code avec le nom de «vente». Après avoir affiché ce DataFrame de «vente», nous mettons directement le «DataFrame.Méthode ILOC »dans l'instruction PRINT. Ainsi, il accédera et imprimera également les lignes accessibles. Ici «: 3» est utilisé, ce qui signifie que nous accédons aux trois premières lignes ici.

La sortie rend l'intégralité de DataFrame ainsi que les trois premières lignes du DataFrame ci-dessous, car nous avons accédé à ces trois lignes en les définissant dans le «DataFrame.Méthode Iloc [] ».

Exemple 06

Dans ce code, nous accéderons aux lignes alternatives. Après avoir défini et imprimé l'original DataFrame, nous plaçons le «DataFrame.Méthode ILOC ”comme paramètre de l'instruction d'impression et définissez« [:: 2] », ce qui représente que nous voulons accéder aux lignes alternatives à partir de cette données donnée donnée. Il accédera aux lignes alternatives et les imprimera également sur le terminal.

Regardez cette sortie et vérifiez qu'après avoir affiché le Full DataFrame, il accède aux lignes alternatives à partir de ce DataFrame et les affiche sous le dataframe d'origine.

Conclusion

Nous avons écrit ce tutoriel pour vous aider à comprendre comment «accéder aux lignes par index» dans «Pandas». Nous avons défini deux méthodes ici, qui sont le «DataFrame.méthode loc [] "et le" dataframe.ILOC [] ”Méthode, et a également effectué plusieurs exemples dans lesquels nous utilisons à la fois des méthodes et accédez aux lignes de différentes manières. Nous avons également rendu les sorties avec les scripts de code. Nous avons expliqué chaque code en profondeur ici. J'espère que vous apprendrez facilement à accéder aux lignes par index et quelles méthodes sont utilisées pour accéder aux lignes par index dans «pandas».