Pandas — это мощная библиотека манипулирования данными на Python, широко используемая для анализа и манипулирования данными. Одной из распространенных задач является выбор нескольких диапазонов из DataFrame с помощью функции iloc. В этой статье мы рассмотрим различные методы выбора нескольких диапазонов в DataFrame Pandas, а также приведем примеры кода.

Метод 1: использование списка позиций в индексе

import pandas as pd
# Create a sample DataFrame
data = {'A': [1, 2, 3, 4, 5],
        'B': [6, 7, 8, 9, 10],
        'C': [11, 12, 13, 14, 15]}
df = pd.DataFrame(data)
# Select multiple ranges using iloc
ranges = [slice(0, 2), slice(3, 5)]
selected_data = df.iloc[ranges]
print(selected_data)

Метод 2: использование логической маски

import pandas as pd
# Create a sample DataFrame
data = {'A': [1, 2, 3, 4, 5],
        'B': [6, 7, 8, 9, 10],
        'C': [11, 12, 13, 14, 15]}
df = pd.DataFrame(data)
# Create a boolean mask
mask = (df.index >= 0) & (df.index <= 2) | (df.index >= 3) & (df.index <= 4)
# Select multiple ranges using the boolean mask
selected_data = df[mask]
print(selected_data)

Метод 3: использование функции np.r_

import pandas as pd
import numpy as np
# Create a sample DataFrame
data = {'A': [1, 2, 3, 4, 5],
        'B': [6, 7, 8, 9, 10],
        'C': [11, 12, 13, 14, 15]}
df = pd.DataFrame(data)
# Select multiple ranges using np.r_
ranges = np.r_[0:2, 3:5]
selected_data = df.iloc[ranges]
print(selected_data)

Метод 4: использование функции loc

import pandas as pd
# Create a sample DataFrame
data = {'A': [1, 2, 3, 4, 5],
        'B': [6, 7, 8, 9, 10],
        'C': [11, 12, 13, 14, 15]}
df = pd.DataFrame(data)
# Select multiple ranges using loc
selected_data = df.loc[[0, 1, 3, 4]]
print(selected_data)

В этой статье мы рассмотрели несколько методов выбора нескольких диапазонов в кадре данных Pandas с помощью функций ilocи loc. Мы рассмотрели различные методы: от использования списка позиций индекса, логических масок, функции np.r_до непосредственного использования функции loc. Имея в своем распоряжении эти методы, вы получаете возможность извлекать определенные диапазоны данных из вашего DataFrame для дальнейшего анализа и обработки.

Не забывайте использовать возможности Pandas и этих методов для эффективной работы с вашими данными и получения ценной информации.