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