Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Apprendre Défi : Utilisation de iloc | Les Tout Premiers Pas
Premiers Pas avec Pandas

book
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.

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])
123456
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])
copy

Exécuter le code ci-dessus renverra la ligne mise en évidence dans l'image ci-dessous :

Tâche

Swipe to start coding

  1. Affichez tous les détails du DataFrame pour le modèle Audi A1 de l'année 2017. Pour ce faire, vous devrez utiliser l'indexation positive.
  2. Affichez tous les détails du DataFrame pour le modèle Audi A1 de l'année 2016 en utilisant l'indexation négative.
  3. Affichez tous les détails du DataFrame pour le modèle Audi A3 en utilisant l'indexation positive.

Assurez-vous d'utiliser l'attribut iloc.

Task Table

Solution

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 ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 1. Chapitre 14
single

single

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

expand

Demandez à l'IA

ChatGPT

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

some-alt