您好,登錄后才能下訂單哦!
iloc
和 apply
是 Pandas 庫中非常有用的兩個(gè)函數(shù),它們可以幫助我們更高效地處理數(shù)據(jù)
iloc
:根據(jù)整數(shù)索引選擇數(shù)據(jù)。iloc
可以幫助我們根據(jù)行號(hào)和列號(hào)選擇數(shù)據(jù)。例如,我們可以使用 iloc
獲取 DataFrame 的前 n 行、特定范圍的行或者特定范圍的列等。import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 獲取前兩行
first_two_rows = df.iloc[:2]
# 獲取第一列
first_column = df.iloc[:, 0]
# 獲取第二行到第四行(不包括第四行)
second_to_fourth_rows = df.iloc[1:4]
apply
:對 DataFrame 或 Series 應(yīng)用函數(shù)。apply
可以幫助我們對 DataFrame 或 Series 中的每個(gè)元素、每行或每列應(yīng)用自定義函數(shù)。這使得我們可以在整個(gè)數(shù)據(jù)集上執(zhí)行復(fù)雜的操作。import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 對每個(gè)元素求平方
squared_df = df.apply(lambda x: x**2)
# 對每行求和
row_sums = df.apply(lambda row: row.sum(), axis=1)
# 對每列求乘積
column_products = df.apply(lambda col: col.prod(), axis=0)
結(jié)合 iloc
和 apply
的高級(jí)用法,我們可以在 Pandas 中執(zhí)行更復(fù)雜的數(shù)據(jù)操作。例如,我們可以使用 iloc
選擇特定范圍的數(shù)據(jù),然后使用 apply
對這些數(shù)據(jù)應(yīng)用自定義函數(shù)。
import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 對第二行到第四行(不包括第四行)的每個(gè)元素求平方
squared_rows = df.iloc[1:4].apply(lambda x: x**2)
# 對第一列的每個(gè)元素加 1
column_a_plus_one = df.iloc[:, 0].apply(lambda x: x + 1)
通過熟練掌握 iloc
和 apply
的高級(jí)用法,你將能夠更高效地處理 Pandas 中的數(shù)據(jù)。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。