Défi : Utilisation de iloc
Le DataFrame avec lequel nous travaillons :
Vous pouvez également utiliser l'indexation négative pour accéder aux lignes dans le DataFrame. L'indexation négative commence à la fin du DataFrame : l'index -1
pointe vers la dernière ligne, -2
vers l'avant-dernière, et ainsi de suite.
Pour accéder à la septième ligne (qui se réfère à la Lettonie), vous pouvez utiliser soit l'index 6 soit -1.
9
1
2
3
4
5
6
import pandas
countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'], 'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'], 'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']}
countries = pandas.DataFrame(countries_data)
# Accessing to the seventh row using negative indexing
print(countries.iloc[-1])
123456import pandas countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'], 'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'], 'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']} countries = pandas.DataFrame(countries_data) # Accessing to the seventh row using negative indexing print(countries.iloc[-1])
Exécuter le code ci-dessus renverra la ligne mise en évidence dans l'image ci-dessous :
Tâche
Swipe to start coding
- Affichez tous les détails du DataFrame pour le modèle
Audi A1
de l'année 2017. Pour ce faire, vous devrez utiliser l'indexation positive. - Affichez tous les détails du DataFrame pour le modèle
Audi A1
de l'année 2016 en utilisant l'indexation négative. - Affichez tous les détails du DataFrame pour le modèle
Audi A3
en utilisant l'indexation positive.
Assurez-vous d'utiliser l'attribut iloc
.

Solution
99
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import pandas as pd
cars_data = {'model': ['Audi A1', 'Audi A6', 'Audi A4', 'Audi A3','Audi A1'],
'year': [2017, 2016, 2017, 2019, 2016],
'fueltype': ['petrol', 'diesel', 'diesel', 'petrol', 'petrol'],
'price': [12500, 16500, 16800, 17300, 13900]}
audi_cars = pd.DataFrame(cars_data)
# Printing information about audi A1 from 2017 year
audi_A1_2017 = audi_cars.iloc[0]
print(audi_A1_2017)
# Printing information about audi A1 from 2016 year
audi_A1_2016 = audi_cars.iloc[-1]
print(audi_A1_2016)
# Printing information about audi A3
audi_A3 = audi_cars.iloc[3]
print(audi_A3)
Tout était clair ?
Merci pour vos commentaires !
Section 1. Chapitre 14
single
99
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import pandas as pd
cars_data = {'model': ['Audi A1', 'Audi A6', 'Audi A4', 'Audi A3','Audi A1'],
'year': [2017, 2016, 2017, 2019, 2016],
'fueltype': ['petrol', 'diesel', 'diesel', 'petrol', 'petrol'],
'price': [12500, 16500, 16800, 17300, 13900]}
audi_cars = pd.DataFrame(cars_data)
# Printing information about audi A1 from 2017 year
audi_A1_2017 = ___
print(audi_A1_2017)
# Printing information about audi A1 from 2016 year
audi_A1_2016 = ___
print(audi_A1_2016)
# Printing information about audi A3
audi_A3 = ___
print(audi_A3)
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion