Mẹo về Hướng dẫn dùng pd iloc python Chi tiết Chi Tiết

You đang tìm kiếm từ khóa Hướng dẫn dùng pd iloc python Chi tiết được Update vào lúc : 2022-09-26 01:20:00 . Với phương châm chia sẻ Kinh Nghiệm 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 Tác giả lý giải và hướng dẫn lại nha.

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 nội dung bài viết một cách Chi Tiết Mới Nhất. Nếu sau khi Read tài liệu vẫn ko hiểu thì hoàn toàn 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 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 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 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 hoàn toàn có thể thấy, cả hai câu lệnh đều trả về cùng một row với một đối tượng người dùng người tiêu dùng Series.

Pandas có tổng số bốn accessors:

.loc[] đồng ý label của những row và column và trả về Chuỗi hoặc DataFrame. Bạn hoàn toàn hoàn toàn có thể sử dụng nó để lấy toàn bộ row hoặc column, cũng như những phần của chúng.
.iloc[] đồng ý những index nhờ vào 0 của những row và column và trả về

Chuỗi hoặc Dữ liệu. Bạn hoàn toàn hoàn toàn có thể sử dụng nó để lấy toàn bộ row hoặc column hoặc những phần của chúng.

.[] đồng ý label của những row và column và trả về một giá trị tài liệu duy nhất.
.iat[] đồng ý những index nhờ vào 0 của những row và column và trả về một giá trị tài liệu duy nhất.

Trong số này, .loc[] và .iloc[] đặc biệt quan trọng quan trọng thỏa sức tự tin. Chúng tương hỗ cắt và lập chỉ mục kiểu NumPy. Bạn hoàn toàn 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 hoàn toàn có thể làm với NumPy, bạn hoàn toàn 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 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 một trong 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 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 một trong đến 4.

Lý do bạn chỉ nhận được những index từ là một trong 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 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 hoàn toàn có thể bỏ qua những row và column với .iloc[] in như cách bạn hoàn toàn 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 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 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 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 toàn bộ chúng ta biết rằng bạn hoàn toàn 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 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 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 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 và tăng trưởng nhất 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 nội dung bài viết Hướng dẫn dùng pd iloc python vẫn chưa hiểu thì hoàn toàn hoàn toàn có thể lại Comment ở cuối bài để Tác giả lý giải và hướng dẫn lại nha

#Hướng #dẫn #dùng #iloc #python

Related posts:

4499

Review Hướng dẫn dùng pd iloc python Chi tiết ?

Bạn vừa Read Post Với Một số hướng dẫn một cách rõ ràng hơn về Clip Hướng dẫn dùng pd iloc python Chi tiết tiên tiến và phát triển nhất

Chia Sẻ Link Download Hướng dẫn dùng pd iloc python Chi tiết miễn phí

Hero đang tìm một số trong những Chia SẻLink Tải Hướng dẫn dùng pd iloc python Chi tiết miễn phí.

Giải đáp vướng mắc về Hướng dẫn dùng pd iloc python Chi tiết

Nếu sau khi đọc nội dung bài viết Hướng dẫn dùng pd iloc python Chi tiết vẫn chưa hiểu thì hoàn toàn có thể lại Comment ở cuối bài để Ad lý giải và hướng dẫn lại nha
#Hướng #dẫn #dùng #iloc #python #Chi #tiết