Mẹo về Hướng dẫn dùng pd iloc python Mới Nhất
Bạn đang tìm kiếm từ khóa Hướng dẫn dùng pd iloc python được Cập Nhật vào lúc : 2022-09-26 01:20:27 . Với phương châm chia sẻ Mẹo về trong nội dung bài viết một cách Chi Tiết Mới Nhất. Nếu sau khi Read tài liệu vẫn ko hiểu thì hoàn toàn có thể lại Comments ở cuối bài để Ad lý giải và hướng dẫn lại nha.
Tiếp tục phần 2 của series Pandas DataFrame nào. Let’s go!!!
Nội dung chính
- Truy cập và sử dụng Data trong DataFrame
- Lấy tài liệu với Accessors
- Thiết lập tài liệu với Accessors
Truy cập và sử dụng Data trong DataFrame
Ở phần trước, những bạn đã biết được cách lấy tài liệu một row hoặc column trong Pandas DataFame rồi phải không nào.
>>> 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 thứ nhất, bạn truy vấn vào tên column như cách bạn truy vấn một thành phần từ dictionary, bằng phương pháp sử dụng label của nó làm khóa. Nếu column label là một mã định danh
Python hợp lệ, thì bạn cũng hoàn toàn có thể sử dụng ký hiệu dấu chấm để truy vấn column. Trong ví dụ thứ hai, bạn sử dụng .loc[] để lấy row theo nhãn của nó.
Lấy tài liệu với Accessors
Ngoài trình truy vấn .loc[], bạn hoàn toàn có thể sử dụng để lấy những rows hoặc columns theo nhãn của chúng với .iloc[], truy xuất một row hoặc column theo chỉ mục số nguyên của nó. Trong hầu hết những trường hợp, bạn hoàn toàn có thể sử dụng một trong hai cách sau:
>>> df.loc[6]
name Hoc
city Hồ Chí Minh
age 41
py-score 88
Name: 6, dtype: object
>>> df.iloc[0]
name Hoc
city Hồ Chí Minh
age 41
py-score 88
Name: 6, dtype: object
df.loc [6] trả về row
có label 6. Tương tự, df.iloc[0] trả về row có index nhờ vào index 0, là row thứ nhất. Như bạn hoàn toàn có thể thấy, cả hai câu lệnh đều trả về cùng một row với một đối tượng người dùng Series.
Pandas có tổng số bốn accessors:
Chuỗi hoặc Dữ liệu. Bạn hoàn toàn có thể sử dụng nó để lấy toàn bộ row hoặc column hoặc những phần của chúng.
Trong số này, .loc[] và .iloc[] đặc biệt quan trọng mạnh mẽ và tự tin. Chúng tương hỗ cắt và lập chỉ mục kiểu NumPy. Bạn hoàn toàn có thể sử dụng chúng để truy vấn một cột:
>>> df.loc[:, ‘city’]
city
6 Hồ Chí Minh
7 Ha Noi
8 Da Nang
9 Long An
10 Hồ Chí Minh
Name: city, dtype: object
>>> df.iloc[:, 1]
6 Hồ Chí Minh
7 Ha Noi
8 Da Nang
9 Long An
10 Hồ Chí Minh
Name: city, dtype: object
df.loc[:,
‘city’] trả về column city. Cấu trúc lát cắt ( : ) ở vị trí row label nghĩa là toàn bộ những row phải được gồm có. df.iloc[:, 1] trả về cùng một column vì chỉ mục 1 nhờ vào 0 tham chiếu đến cột thứ hai, city.
Cũng in như bạn hoàn toàn có thể làm với NumPy, bạn hoàn toàn có thể phục vụ những lát cùng với list hoặc mảng thay vì chỉ mục để sở hữu nhiều row hoặc column.
>>> df.loc[7:10, [‘name’, ‘city’]]
name city
7 Tuan Ha Noi
8 Nam Da Nang
9 Huy Long An
10 Luan Hồ Chí Minh
>>> df.iloc[1:5, [0, 1]]
name city
7 Tuan Ha Noi
8 Nam Da Nang
9 Huy Long An
10 Luan Hồ Chí Minh
Lưu ý: Không sử tuples trị thay vì list hoặc mảng số nguyên để lấy những row hoặc column thông thường. Tuples được
dành riêng để đại diện thay mặt thay mặt cho nhiều dimensions trong NumPy và Pandas, cũng như lập chỉ mục phân cấp hoặc đa cấp trong Pandas.
Trong ví dụ này, bạn sử dụng:
- Slices để lấy những row label từ 7 đến 10, tương tự với những index từ là 1 đến 4
- Lists để lấy tên cột và thành phố, tương tự với những index 0 và 1
Cả hai câu lệnh đều trả về một Pandas DataFrame với giao điểm của bốn row và hai column mong ước.
Điều này dẫn
đến việc khác lạ rất quan trọng giữa .loc[] và .iloc[]. Như bạn hoàn toàn có thể thấy từ ví dụ trước, khi bạn chuyển row label 7:10 với .loc[], bạn nhận được những row label từ 7 đến 10. Tuy nhiên, khi bạn chuyển row index 1:4 với .iloc[], bạn chỉ lấy những row có index từ là 1 đến 4.
Lý do bạn chỉ nhận được những index từ là 1 đến 4 là với .iloc[], stop index của một slice là độc quyền, nghĩa là nó bị loại trừ khỏi những giá trị trả về. Điều này phù phù thích hợp với chuỗi Python và mảng NumPy. Tuy nhiên, với .loc[],
cả index khởi đầu và stop index đều inclusive, nghĩa là chúng được gồm có với những giá trị trả về.
Bạn hoàn toàn có thể bỏ qua những row và column với .iloc[] in như cách bạn hoàn toàn có thể làm với những slicing tuples, lists và mảng NumPy:
>>> df.iloc[1:4:2, 0]
7 Tuan
9 Huy
Name: name, dtype: object
Trong ví dụ này, bạn chỉ định những row index mong ước với slice 1: 4: 2. Điều này nghĩa là bạn khởi đầu với row có index 1 (row thứ hai), tạm ngưng trước row có index 6 (row thứ năm) và bỏ qua mọi row thứ hai.
Thay vì sử dụng slicing construct, bạn
cũng hoàn toàn có thể sử dụng class slice() tích hợp 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
Bạn hoàn toàn có thể thấy một trong những cách tiếp cận này thuận tiện hơn những cách khác tùy thuộc vào trường hợp của bạn.
Có thể sử dụng .loc[] và .iloc[] để nhận những giá trị tài liệu rõ ràng. Tuy nhiên, khi bạn chỉ việc một giá trị duy nhất, Pandas khuyên bạn nên sử dụng những trình truy vấn chuyên biệt .[] và .iat[]:
>>> df.[8, ‘name’]
‘Nam’
>>> df.iat[2, 0]
‘Nam’
Ở đây, bạn đã sử dụng .[] để lấy tên của một ứng
cử viên bằng phương pháp sử dụng những row và column label tương ứng của nó. Bạn đã và đang sử dụng .iat[] để truy xuất cùng một tên bằng phương pháp sử dụng những row và column index của nó.
Thiết lập tài liệu với Accessors
Bạn hoàn toàn có thể sử dụng accessors để sửa đổi những phần của Pandas DataFrame bằng phương pháp chuyển một chuỗi Python, mảng NumPy hoặc một giá trị:
>>> 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
Câu lệnh df.loc[:8, ‘py-score’] = [40, 50, 60] sửa đổi ba mục thứ nhất (row 6 đến 8) trong cột
py-score bằng phương pháp sử dụng những giá trị từ list được phục vụ của bạn. Sử dụng df.loc[9:, ‘py-score’] = 0 đặt những giá trị còn sót lại trong column này thành 0.
Ví dụ sau đã cho toàn bộ chúng ta biết rằng bạn hoàn toàn có thể sử dụng những negative index với .iloc[] để truy vấn hoặc sửa đổi tài liệu:
>>> df.iloc[:, -1] = np.array([88.0, 79.0, 81.0, 80.0, 68.0])
>>> df[‘py-score’]
6 88.0
7 79.0
8 81.0
9 80.0
10 68.0
Name: py-score, dtype: float64
Trong ví dụ này, bạn đã truy vấn và sửa đổi column ở đầu cuối (‘py-score’), tương ứng với số nguyên column index -1. Hành vi này phù phù thích hợp với chuỗi Python và mảng NumPy.
Mình xin kết thúc Phần 3 ở đây
nhé, hẹn hội ngộ những bạn ở phần 4.
Tải thêm tài liệu liên quan đến nội dung bài viết Hướng dẫn dùng pd iloc python
programming
python
iloc -1 pandas
python iloc[-1]
iloc -1 means
iloc[:,-1]
iloc[:, -1] means
Iloc 1 means
Reply
8
0
Chia sẻ
Chia Sẻ Link Down Hướng dẫn dùng pd iloc python miễn phí
Bạn vừa tìm hiểu thêm nội dung bài viết Với Một số hướng dẫn một cách rõ ràng hơn về Clip Hướng dẫn dùng pd iloc python tiên tiến và phát triển nhất và Chia SẻLink Download Hướng dẫn dùng pd iloc python Free.
Thảo Luận vướng mắc về Hướng dẫn dùng pd iloc python
Nếu sau khi đọc nội dung bài viết Hướng dẫn dùng pd iloc python vẫn chưa hiểu thì hoàn toàn có thể lại Comment ở cuối bài để Tác giả lý giải và hướng dẫn lại nha
#Hướng #dẫn #dùng #iloc #python