LOC مقابل ILOC في الباندا: الفرق بين LOC و ILOC في الباندا

Loc و iloc في الباندا

سبب شائع للارتباك بين مطوري Python الجدد هو loc مقابل iloc. كلاهما يبدوان متشابهين للغاية ويقومان بمهام مماثلة. لذلك هذا يمكن أن يحير أي طالب.

إذا كنت تريد معرفة الفرق بين iloc و loc ، فقد وصلت إلى المكان الصحيح ، لأنه في هذه المقالة ، سنناقش هذا الموضوع بالتفصيل. ستجد الفرق الرئيسي بين هذه الوظائف ثم تراها في العمل لفهم المفهوم بشكل أفضل. تحقق من دورات علوم البيانات الخاصة بنا لمعرفة المزيد عن الباندا.

هيا بنا نبدأ.

الفرق بين loc و iloc فريف

1. إيلوك في بايثون

يمكنك استخدام iloc في بايثون للاختيار. إنه يعتمد على عدد صحيح ويساعدك على الاختيار حسب الموضع. لذلك ، إذا كنت تريد العثور على الصف الذي يحتوي على الفهرس 5 ، فسوف يعرض لك iloc الصف الخامس من إطار البيانات بغض النظر عن اسمه أو تسميته.

إليك مثال على iloc في بايثون:

>>> mydict = [{'a': 1، 'b': 2، 'c': 3، 'd': 4}،

... {'أ': 100، 'ب': 200، 'ج': 300، 'د': 400}،

... {'a': 1000، 'b': 2000، 'c': 3000، 'd': 4000}]

>>> df = pd.DataFrame (mydict)

>>> مدافع

ا ب ت ث

0 1 2 3 4

1100200300400

2 1000 2000 3000 4000

سنقوم بفهرسة الصفوف ذات العدد الصحيح باستخدام الدالة iloc لإطار البيانات أعلاه:

>>> النوع (df.iloc [0])

<class 'pandas.core.series.Series'>

>>> df.iloc [0]

أ 1

ب 2

ج 3

د 4

الاسم: 0 ، النوع: int64

2. loc في الباندا

يمكنك استخدام loc in Pandas للوصول إلى صفوف وأعمدة متعددة باستخدام الملصقات ؛ ومع ذلك ، يمكنك استخدامه مع مصفوفة منطقية أيضًا.

إذا كنت تستخدم loc للعثور على صف به الفهرس 5 ، فلن تحصل على الصف الخامس معه. بدلاً من ذلك ، ستحصل فقط على الصف الذي يحمل الاسم "5".

فيما يلي مثال على loc في Pandas:

>>> df = pd.DataFrame ([[1، 2]، [4، 5]، [7، 8]]،

... الفهرس = ['cobra'، 'viper'، 'sidewinder']،

... أعمدة = ['max_speed'، 'shield'])

>>> مدافع

درع السرعة القصوى

كوبرا 1 2

الافعى 4 5

سيلويندر 7 8

ما ورد أعلاه كان الجدول الذي سنستخرج منه الصف:

>>> df.loc ["أفعى"]

السرعة القصوى 4

الدرع 5

الاسم: الافعى ، النوع: int64

مثال مفصل لـ loc vs iloc

على الرغم من أننا نستخدم هاتين الوظيفتين للاختيار ، فمن الأفضل أن نناقش مثالاً مفصلاً لفهم الفروق بينهما.

في مثالنا ، سنستخدم مجموعة بيانات عملاء telco ، المتوفرة على kaggle. سنضيفه إلى إطار البيانات:

df = pd.read_csv ("المشاريع / churn_prediction / Telco-Customer-Churn.csv")

df.head ()

تحتوي مجموعة البيانات هذه على 21 عمودًا. لقد عرضنا القليل منها فقط لأغراض توضيحية. كما ناقشنا بالفعل ، نستخدم loc لتحديد البيانات حسب التسمية. هنا ، أسماء الأعمدة هي تسميات الأعمدة الخاصة بهم ، مثل الجنس ، والحيازة ، والأمن عبر الإنترنت ؛ كلها أسماء الأعمدة وكذلك التسميات.

نظرًا لأننا لم نقم بتعيين أي فهرس محدد ، فإن الباندا ستنشئ فهرسًا صحيحًا للصفوف افتراضيًا. تسميات الصفوف هي أعداد صحيحة تبدأ من 0 وتصعد. في هذا المثال ، سنرى كيف يتصرف loc و iloc بشكل مختلف.

• حدد الصف "1" والعمود "الشريك"

df.loc [1، "شريك"]

الإخراج: "لا"

يعرض القيمة الموجودة في عمود "الشريك" في الصف "1".

• حدد تسميات الصفوف "4" والأعمدة "معرف العميل" و "الجنس"

df.loc [: 4، ['customerID'، 'gender']]

• حدد تسميات الصفوف "1" و "2" و "3" والعمود "التابعون"

df.loc [[1،2،3]، "المعالين"]

1 لا

2 لا

3 لا

الاسم: التابعون ، النوع: كائن

هذه المرة ، سنقوم بتصفية إطار البيانات وتطبيق iloc أو loc:

• حدد تسميات الصفوف إلى أعمدة "10" و "PhoneService" و "InternetService" للعميل الذي لديه شريك (يجب أن يكون الشريك "نعم")

df [df.Partner == 'نعم']. loc: 10، ['PhoneService'، 'InternetService']]

في الحالة المذكورة أعلاه ، طبقنا مرشحًا على قاعدة البيانات ولكننا لم نغير الفهرس ، لذا فقد حذف مخرجاتنا تسميات متعددة للصفوف التي يتطلبها عامل التصفية الخاص بنا. لذلك ، باستخدام loc [: 10] هنا ، اخترنا الصفوف التي تحتوي على تسميات تصل إلى "10".

من ناحية أخرى ، إذا استخدمنا iloc هنا وقمنا بتطبيق المرشح ، فسنحصل على 10 صفوف حيث يتم تحديد iloc حسب الموضع بغض النظر عن الملصقات. هذه هي النتيجة التي سنحصل عليها إذا طبقنا iloc [: 10]:

df [df.Partner == 'نعم']. iloc [: 10، [6،8]]

لا بد أنك لاحظت أنه يتعين علينا تغيير طريقتنا في تحديد الأعمدة.

قراءة: دروس بايثون الباندا

• حدد أول 5 أعمدة وأول 5 صفوف باستخدام iloc

df.iloc [: 4،: 4]

يمكننا استخدام iloc لتحديد المواضع من النهاية. لذلك ، علينا ببساطة استخدام الأعداد الصحيحة السالبة (-1 ، -2 ، إلخ) والبدء بها.

• حدد آخر 5 أعمدة وآخر 5 صفوف

df.iloc [-5 :، -5:]

يمكنك استخدام وظيفة lambda مع iloc أيضًا. (دالة lambda هي وظيفة مجهولة صغيرة في Python يمكن أن تحتوي على تعبير واحد ولكن أي عدد من الوسائط)

• حدد كل صف ثالث حتى الصف الخامس عشر واعرض فقط عمودي "خدمة الإنترنت" و "الشريك"

df.iloc [lambda x: (x.index x 3 == 0) & (x.index <= 150] ['Partner'، 'InternetService']]

يمكننا أيضًا تحديد التسميات أو المواضع الموجودة بينهما.

• حدد مواضع الأعمدة بين 4 و 6 ، ومواضع الصفوف بين 20 و 25

df.iloc [20:25 ، 4: 6]

الآن ، إذا حاولت تمرير التسميات إلى iloc ، فستظهر لك Pandas رسالة الخطأ التالية:

ValueError: الفهرسة المستندة إلى الموقع لا يمكن أن تحتوي إلا على أنواع [عدد صحيح ، شريحة عدد صحيح (نقطة البداية متضمنة ، نقطة النهاية مستبعدة) ، قائمة مثل الأعداد الصحيحة ، المصفوفة المنطقية]

ستحصل على خطأ مشابه إذا قمت بتمرير المناصب إلى الموقع.

اقرأ أيضًا: أسئلة مقابلة الباندا

تعرف على المزيد حول Python

يجب على الطالب طرح الأسئلة والعثور على إجاباتهم. نأمل أن يكون هذا المقال قد أجاب على أسئلتك حول loc in Pandas (أو iloc في Python). سيكون من الأفضل إذا جربت هذه الوظائف بنفسك على مجموعات بيانات مختلفة لفهم كيفية عملها.

إذا كنت تريد معرفة المزيد حول Python و Pandas والمواضيع ذات الصلة ، فيجب عليك التوجه إلى مدونتنا. يضيف خبراؤنا العديد من الموارد التفصيلية هناك.

إذا كنت مهتمًا بالتعرف على علوم البيانات ، فراجع برنامج IIIT-B & upGrad التنفيذي PG في علوم البيانات الذي تم إنشاؤه للمهنيين العاملين ويقدم أكثر من 10 دراسات حالة ومشاريع ، وورش عمل عملية عملية ، وإرشاد مع خبراء الصناعة ، 1 - في 1 مع موجهين في الصناعة ، أكثر من 400 ساعة من التعلم والمساعدة في العمل مع الشركات الكبرى.