Чтобы выбрать строки фрейма данных pandas, вы можете использовать свойство iloc. Индексатор iloc для Pandas Dataframe используется для индексации или выбора на основе целочисленного местоположения.
Шаги по выбору строк из Pandas DataFrame
Шаг 1: настройка данных
Pandas read_csv() — это встроенная функция, используемая для импорта данных из файла CSV и анализа этих данных в Python. Итак, мы будем импортировать набор данных из файла CSV, который будет автоматически преобразован в Pandas DataFrame, а затем выберем данные из DataFrame.
Набор данных для нашего проекта находится здесь: people.csv
Приведенный выше набор данных имеет 18 строк и 5 столбцов.
Шаг 2: импорт данных CSV
Поместите файл в папку нашего проекта и в тот же каталог, что и наш программный файл python app.py. Затем напишите следующий код в файле app.py.
|
1 2 3 4 |
import pandas as pd df = pd.read_csv('people.csv') print(df) |
Выход
|
1 |
Name Sex Age Height Weight<code></code>0 Alex M 41 74 170 1 Bert M 42 68 166 2 Carl M 32 70 155 3 Dave M 39 72 167 4 Elly F 30 66 124 5 Fran F 33 66 115 6 Gwen F 26 64 121 7 Hank M 30 71 158 8 Ivan M 53 72 175 9 Jake M 32 69 143 10 Kate F 47 69 139 11 Luke M 34 72 163 12 Myra F 23 62 98 13 Neil M 36 75 160 14 Omar M 38 70 145 15 Page F 31 67 135 16 Quin M 29 71 176 17 Ruth F 28 65 131 |
Наш DataFrame готов. Функция read_csv() автоматически преобразует данные CSV в DataFrame после завершения импорта. Затем мы можем проверить тип данных с помощью функции Python type().
|
1 2 3 4 |
import pandas as pd df = pd.read_csv('people.csv') print(type(df)) |
Выход
|
1 |
<class 'pandas.core.frame.DataFrame'> |
Шаг 3: выберите строки из Pandas DataFrame
Pandas.DataFrame.iloc — это уникальный встроенный метод, который возвращает индексирование на основе целочисленного местоположения для выбора по положению. Синтаксис индексатора iloc следующий.
|
1 |
df.iloc[<row selection>, <column selection>] |
Это наверняка будет источником путаницы для пользователей R. «iloc» в pandas используется для выбора строк и столбцов по номеру в том порядке, в котором они появляются в DataFrame. Если мы передаем df.iloc[6, 0], 6-я строка индекса(индекс строки начинается с 0) и 0-й столбец, имя.
Итак, вывод будет соответствовать нашему DataFrame Gwen.
См. следующий код.
|
1 2 3 4 |
import pandas as pd df = pd.read_csv('people.csv') print(df.iloc[6, 0]) |
Выход
|
1 |
Gwen |
Вы можете представить, что каждая строка имеет номер строки от 0 до общего количества строк(data.shape[0]), и iloc[] позволяет выбирать на основе этих номеров. То же самое относится ко всем столбцам(от 0 до data.shape[1]).
В приведенном выше примере мы выбрали определенное значение DataFrame, но мы также можем выбирать строки в DataFrame, используя iloc.
|
1 2 3 4 |
import pandas as pd df = pd.read_csv('people.csv') print(df.iloc[4]) |
Выход
|
1 2 3 4 5 6 |
Name Elly Sex F Age 30 Height 66 Weight 124 Name: 4, dtype: object |
Итак, мы выбрали одну строку, используя свойство iloc[] DataFrame.
Если мы передадим отрицательное значение свойству iloc[], оно даст нам последнюю строку DataFrame.
|
1 2 3 4 |
import pandas as pd df = pd.read_csv('people.csv') print(df.iloc[-1]) |
Выход
|
1 2 3 4 5 6 7 |
Name Ruth Sex F Age 28 Height 65 Weight 131 Name: 17, dtype: object |
