Python は、主にデータ中心の Python パッケージの素晴らしいエコシステムのおかげで、データ分析を行うのに最適な言語です。 パンダ は、データのインポートと分析をはるかに簡単にするパッケージの 1 つです。ここでは、Pandas .iloc[] を使用して行を抽出する方法を学習しています。 パイソン。
パンダの .iloc[] 構文
構文： pandas.DataFrame.iloc[]
パラメーター： 整数または整数のリスト内の行のインデックス位置。
戻り値の型: パラメーターに応じたデータ フレームまたはシリーズ
Python の Pandas .iloc[] とは何ですか?
Python Pandas ライブラリでは、.iloc[]>整数位置ベースのデータのインデックス作成に使用されるインデクサーです。 データフレーム 。ユーザーは整数インデックスを提供することで特定の行と列を選択できるため、DataFrame 内の数値位置に基づいてデータを操作および抽出するための貴重なツールになります。このインデクサーは、ラベルではなく整数ベースの位置インデックスを使用してデータにアクセスまたは操作する場合に特に便利です。
使用したデータセット: コードで使用されている CSV をダウンロードするには、 .iloc[]> 整数位置ベースのインデックス作成用。抽出された行は確認のために印刷されます。
Python3
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)> |
>
>
出力:
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>
結論
結論としては、パンダ.iloc[]>Python の は、整数位置インデックスに基づいて行を抽出するための強力なツールです。その価値は、ラベルよりも数値の位置が重要なデータセットで威力を発揮します。この機能により、個々の行またはスライスを選択的に取得できるため、効率的なデータ操作と分析に不可欠になります。の多用途性.iloc[]>データ抽出の柔軟性が向上し、データセットの特定部分へのシームレスなアクセスが可能になります。 Pandas の基本コンポーネントとして、.iloc[]>開発者とデータ サイエンティストのデータ関連タスクの効率と明確さに大きく貢献します。