Python es un excelente lenguaje para realizar análisis de datos, principalmente debido al fantástico ecosistema de paquetes de Python centrados en datos. Pandas es uno de esos paquetes que facilita mucho la importación y el análisis de datos.
La biblioteca de Pandas proporciona un método único para recuperar filas de un marco de datos. El método Dataframe.iloc[] se utiliza cuando la etiqueta de índice de un marco de datos no es una serie numérica de 0, 1, 2, 3….no en caso de que el usuario no conozca la etiqueta de índice. Las filas se pueden extraer usando una posición de índice imaginaria que no es visible en el marco de datos.
Sintaxis: pandas.DataFrame.iloc[]
Parámetros:
Posición de índice: Posición de índice de filas en enteros o lista de enteros.
Tipo de retorno: Marco de datos o Serie dependiendo de los parámetros
Para descargar el CSV utilizado en el código, haga clic aquí.
Ejemplo n.º 1: extracción de una fila y comparación con .loc[] En este ejemplo, la misma fila de número de índice se extrae mediante el método .iloc[] y .loc[] y se compara. Dado que la columna de índice de forma predeterminada es numérica, la etiqueta de índice también será de números enteros.
Python3
# importing pandas package import pandas as pd # making data frame from csv file data = pd.read_csv("nba.csv") # retrieving rows by loc method row1 = data.loc[3] # retrieving rows by iloc method row2 = data.iloc[3] # checking if values are equal row1 == row2
Producción:
Como se muestra en la imagen de salida, los resultados devueltos por ambos métodos son los mismos.
Ejemplo #2: Extracción de múltiples filas con índice En este ejemplo, se extraen múltiples filas, primero pasando una lista y luego pasando números enteros para extraer filas entre ese rango. Después de eso, se comparan ambos valores.
Python3
# importing pandas package import pandas as pd # making data frame from csv file data = pd.read_csv("nba.csv") # retrieving rows by loc method row1 = data.iloc[[4, 5, 6, 7]] # retrieving rows by loc method row2 = data.iloc[4:8] # comparing values row1 == row2
Producción:
Como se muestra en la imagen de salida, los resultados devueltos por ambos métodos son los mismos. Todos los valores son verdaderos, excepto los valores de la columna de la universidad, ya que eran valores de NaN.
Publicación traducida automáticamente
Artículo escrito por Kartikaybhutani y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA