loc و iloc

مشكلة فهرسة الأقواس الأساسية

فهرسة الأقواس الأساسية df[mask] تعمل لتصفية الصفوف و df["col"] لتحديد الأعمدة. لكن عندما تحتاج إلى تحديد صفوف محددة و أعمدة محددة في خطوة واحدة، أو تحرير خلايا مفردة، ستحتاج إلى loc و iloc.

import pandas as pd

# titanic.csv ships with the course — load it from the browser file system.
df = pd.read_csv("titanic.csv")

loc: التحديد حسب التسمية

يحدد loc حسب التسمية ، تسميات فهرس الصفوف وأسماء الأعمدة:

# Select row at index label 0, columns "Name" and "Age"
print(df.loc[0, ["Name", "Age"]])

المخرجات:

Name    Braund, Mr. Owen Harris
Age                        22.0
Name: 0, dtype: object

التقطيع حسب التسمية ، نقطة النهاية مشمولة (على عكس تقطيع بايثون):

# Rows 0 through 4, columns Name through Age
print(df.loc[0:4, "Name":"Age"])

تحديد كل الصفوف لأعمدة محددة:

print(df.loc[:, ["Name", "Survived"]].head())

تحديد كل الأعمدة لصفوف محددة:

print(df.loc[[0, 5, 10]])

iloc: التحديد حسب الموضع

يحدد iloc حسب الموضع الصحيح ، رقم الصف/العمود بدءًا من 0:

# First row, first three columns
print(df.iloc[0, :3])

المخرجات:

PassengerId                            1
Survived                               0
Pclass                                 3
Name: 0, dtype: object

التقطيع حسب الموضع ، نقطة النهاية غير مشمولة (سلوك بايثون القياسي):

# Rows 0-4 (5 rows), columns 0-2 (3 columns)
print(df.iloc[0:5, 0:3])

تحديد صفوف وأعمدة محددة:

# Rows 0, 1, 5; columns 3 (Name) and 4 (Age)
print(df.iloc[[0, 1, 5], [3, 4]])

loc مقابل iloc: الفروق الرئيسية

# These are different:
df.loc[0:5]       # rows with labels 0 through 5 (inclusive) — 6 rows
df.iloc[0:5]      # rows at positions 0 through 4 (exclusive) — 5 rows

استخدام loc للإسناد

loc ليس للقراءة فقط ، يمكنك استخدامه لتحرير خلايا محددة:

# Set Age to 0 for the first passenger
df.loc[0, "Age"] = 0

# Set Fare to -1 for rows where Fare is negative
df.loc[df["Fare"] < 0, "Fare"] = 0

# Create a new column based on conditions
df.loc[df["Age"] < 18, "Category"] = "Minor"
df.loc[df["Age"] >= 18, "Category"] = "Adult"

هذا التحرير الموجّه ضروري لتنظيف البيانات.

أنماط عملية

الحصول على قيمة خلية محددة:

# The name of the passenger at position 100
name = df.loc[100, "Name"]
print(name)

تحديد نطاق من الأعمدة:

# All rows, columns from "Name" to "Fare"
print(df.loc[:, "Name":"Fare"].head())

التحديد الشرطي مع المحورين معًا:

# Female passengers, only Name and Age columns
women = df.loc[df["Sex"] == "female", ["Name", "Age"]]
print(women.head())

جرّب بنفسك

من مجموعة بيانات تيتانيك:

1. استخدم iloc لطباعة أول 3 صفوف وأول 4 أعمدة
2. استخدم loc لطباعة الاسم والأجرة للراكب عند الفهرس 50
3. استخدم loc لضبط عمر الراكب عند الفهرس 0 إلى 25

import pandas as pd

# titanic.csv ships with the course — load it from the browser file system.
df = pd.read_csv("titanic.csv")

# First 3 rows, first 4 columns
print(df.iloc[0:3, 0:4])

# Name and Fare at index 50
print(df.loc[50, ["Name", "Fare"]])

# Set Age to 25
df.loc[0, "Age"] = 25
print(df.loc[0, "Age"])

خلاصات رئيسية

• loc يحدد حسب التسمية (الأسماء)؛ iloc يحدد حسب الموضع الصحيح
• تقطيعات loc شاملة الطرفين؛ تقطيعات iloc تتبع اصطلاح بايثون (نهاية غير مشمولة)
• يدعم loc الإسناد لتحرير الخلايا الموجه
• دمج تحديد الصفوف والأعمدة في استدعاء loc واحد أنظف من الفهرسة المتسلسلة

تحدي التطبيق

من مجموعة بيانات تيتانيك، استخدم iloc لاستخراج الصفوف 100-109 والأعمدة 2-5 (من Pclass حتى Age). ثم استخدم loc للعثور على أسماء جميع الركاب ذوي تسميات الفهارس 0 و 50 و 100 و 500. أخيرًا، استخدم loc لتغيير أجرة الراكب عند الفهرس 7 إلى 999 وتحقق من التغيير.