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 y facilita mucho la importación y el análisis de datos.
Pandas DataFrame.ix[ ]
es una técnica de corte basada en etiquetas y enteros. Además de puramente basado en etiquetas y basado en enteros, Pandas proporciona un método híbrido para selecciones y subconjuntos del objeto usando el ix[]
operador. ix[]
es el indexador más general y admitirá cualquiera de las entradas en loc[]
y iloc[]
.
Sintaxis: DataFrame.ix[ ]
Parámetros:
Posición de índice: Posición de índice de filas en enteros o lista de enteros.
Etiqueta de índice: string o lista de strings de etiquetas de índice de filasDevoluciones: Marco de datos o Serie dependiendo de los parámetros
Código #1:
# importing pandas package import pandas as geek # making data frame from csv file data = geek.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv") # Integer slicing print("Slicing only rows(till index 4):") x1 = data.ix[:4, ] print(x1, "\n") print("Slicing rows and columns(rows=4, col 1-4, excluding 4):") x2 = data.ix[:4, 1:4] print(x2)
Salida:
Código #2:
# importing pandas package import pandas as geek # making data frame from csv file data = geek.read_csv("nba.csv") # Index slicing on Height column print("After index slicing:") x1 = data.ix[10:20, 'Height'] print(x1, "\n") # Index slicing on Salary column x2 = data.ix[10:20, 'Salary'] print(x2)
Producción:
Código #3:
# importing pandas and numpy import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(10, 4), columns = ['A', 'B', 'C', 'D']) print("Original DataFrame: \n" , df) # Integer slicing print("\n Slicing only rows:") print("--------------------------") x1 = df.ix[:4, ] print(x1) print("\n Slicing rows and columns:") print("----------------------------") x2 = df.ix[:4, 1:3] print(x2)
Salida:
Código #4:
# importing pandas and numpy import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(10, 4), columns = ['A', 'B', 'C', 'D']) print("Original DataFrame: \n" , df) # Integer slicing (printing all the rows of column 'A') print("\n After index slicing (On 'A'):") print("--------------------------") x = df.ix[:, 'A'] print(x)
Producción :
Publicación traducida automáticamente
Artículo escrito por ArkadipGhosh y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA