Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Impara Sfida: Utilizzo di iloc | I Primissimi Passi
Primi Passi con Pandas

book
Sfida: Utilizzo di iloc

Il DataFrame con cui stiamo lavorando:

Puoi anche usare l'indicizzazione negativa per accedere alle righe nel DataFrame. L'indicizzazione negativa inizia dalla fine del DataFrame: l'indice -1 punta all'ultima riga, -2 alla penultima, e così via.

Per accedere alla settima riga (che si riferisce alla Lettonia), puoi usare l'indice 6 o -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

Eseguendo il codice sopra verrà restituita la riga evidenziata nell'immagine qui sotto:

Compito

Swipe to start coding

Ti viene dato un DataFrame chiamato audi_cars.

  • Visualizza tutti i dettagli dal DataFrame per il modello 'Audi A1' dell'anno 2017 e memorizza il risultato nella variabile audi_A1_2017.

  • Visualizza tutti i dettagli dal DataFrame per il modello 'Audi A1' dell'anno 2016 e memorizza il risultato nella variabile audi_A1_2016.

  • Visualizza tutti i dettagli dal DataFrame per il modello Audi A3 e memorizza il risultato nella variabile audi_A3.

Task Table

Soluzione

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)

# Write your code below
audi_A1_2017 = audi_cars.iloc[0]
audi_A1_2016 = audi_cars.iloc[-1]
audi_A3 = audi_cars.iloc[3]

# Testing the result
print(audi_A1_2017)
print(audi_A1_2016)
print(audi_A3)
Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 1. Capitolo 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)

# Write your code below
audi_A1_2017 = ___
audi_A1_2016 = ___
audi_A3 = ___

# Testing the result
print(audi_A1_2017)
print(audi_A1_2016)
print(audi_A3)

Chieda ad AI

expand

Chieda ad AI

ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

some-alt