{"id":3383,"date":"2021-07-23T12:07:14","date_gmt":"2021-07-23T12:07:14","guid":{"rendered":"https:\/\/www.bearloga.space\/?page_id=3383"},"modified":"2021-07-23T12:07:14","modified_gmt":"2021-07-23T12:07:14","slug":"python-pandas-indeksirovanie-i-vybor-dannyh","status":"publish","type":"page","link":"https:\/\/www.bearloga.space\/uk\/python-pandas-indeksirovanie-i-vybor-dannyh\/","title":{"rendered":"Python Pandas \u2014 \u0438\u043d\u0434\u0435\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0438 \u0432\u044b\u0431\u043e\u0440 \u0434\u0430\u043d\u043d\u044b\u0445"},"content":{"rendered":"\n<pre class=\"wp-block-code\"><code>\r\u0412 \u044d\u0442\u043e\u0439 \u0433\u043b\u0430\u0432\u0435 \u043c\u044b \u043e\u0431\u0441\u0443\u0434\u0438\u043c, \u043a\u0430\u043a \u043d\u0430\u0440\u0435\u0437\u0430\u0442\u044c \u0434\u0430\u0442\u0443 \u0438 \u043d\u0430\u0440\u0435\u0437\u0430\u0442\u044c \u043a\u0443\u0431\u0438\u043a\u0430\u043c\u0438, \u0438, \u043a\u0430\u043a \u043f\u0440\u0430\u0432\u0438\u043b\u043e, \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c \u043f\u043e\u0434\u043c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u043e \u043e\u0431\u044a\u0435\u043a\u0442\u0430 pandas.\n\r\n\u041e\u043f\u0435\u0440\u0430\u0442\u043e\u0440\u044b \u0438\u043d\u0434\u0435\u043a\u0441\u0430\u0446\u0438\u0438 Python \u0438 NumPy \u00ab&#91;]\u00bb \u0438 \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440 \u0430\u0442\u0440\u0438\u0431\u0443\u0442\u0430 \u00ab.\u00bb \u043e\u0431\u0435\u0441\u043f\u0435\u0447\u0438\u0442\u044c \u0431\u044b\u0441\u0442\u0440\u044b\u0439 \u0438 \u043f\u0440\u043e\u0441\u0442\u043e\u0439 \u0434\u043e\u0441\u0442\u0443\u043f \u043a \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0430\u043c \u0434\u0430\u043d\u043d\u044b\u0445 Pandas \u0432 \u0448\u0438\u0440\u043e\u043a\u043e\u043c \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0435 \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u043e\u0432 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f. \u0422\u0435\u043c \u043d\u0435 \u043c\u0435\u043d\u0435\u0435, \u043f\u043e\u0441\u043a\u043e\u043b\u044c\u043a\u0443 \u0442\u0438\u043f \u0434\u0430\u043d\u043d\u044b\u0445, \u043a \u043a\u043e\u0442\u043e\u0440\u044b\u043c \u043e\u0441\u0443\u0449\u0435\u0441\u0442\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0434\u043e\u0441\u0442\u0443\u043f, \u0437\u0430\u0440\u0430\u043d\u0435\u0435 \u043d\u0435\u0438\u0437\u0432\u0435\u0441\u0442\u0435\u043d, \u043d\u0435\u043f\u043e\u0441\u0440\u0435\u0434\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043d\u044b\u0445 \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440\u043e\u0432 \u0438\u043c\u0435\u0435\u0442 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f \u0434\u043b\u044f \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438. \u0414\u043b\u044f \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0433\u043e \u043a\u043e\u0434\u0430 \u043c\u044b \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0443\u0435\u043c \u0432\u0430\u043c \u0432\u043e\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c\u0441\u044f \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u043c\u0438 \u043c\u0435\u0442\u043e\u0434\u0430\u043c\u0438 \u0434\u043e\u0441\u0442\u0443\u043f\u0430 \u043a \u0434\u0430\u043d\u043d\u044b\u043c Pandas, \u043e\u043f\u0438\u0441\u0430\u043d\u043d\u044b\u043c\u0438 \u0432 \u044d\u0442\u043e\u0439 \u0433\u043b\u0430\u0432\u0435.\r\n\r\nPandas \u0442\u0435\u043f\u0435\u0440\u044c \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0435\u0442 \u0442\u0440\u0438 \u0442\u0438\u043f\u0430 \u043c\u043d\u043e\u0433\u043e\u043e\u0441\u0435\u0432\u043e\u0433\u043e \u0438\u043d\u0434\u0435\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f; \u0442\u0440\u0438 \u0442\u0438\u043f\u0430 \u0443\u043f\u043e\u043c\u044f\u043d\u0443\u0442\u044b \u0432 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0439 \u0442\u0430\u0431\u043b\u0438\u0446\u0435:\r\n\r\nSr.No\t\u0418\u043d\u0434\u0435\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0438 \u043e\u043f\u0438\u0441\u0430\u043d\u0438\u0435\r\n1\t\r\n.loc ()\r\n\r\n\u041d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u043c\u0435\u0442\u043a\u0438\r\n\r\n2\t\r\n.iloc ()\r\n\r\n\u0426\u0435\u043b\u043e\u0447\u0438\u0441\u043b\u0435\u043d\u043d\u044b\u0439\r\n\r\n3\t\r\n.ix ()\r\n\r\n\u041d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u043c\u0435\u0442\u043e\u043a \u0438 \u0446\u0435\u043b\u044b\u0445 \u0447\u0438\u0441\u0435\u043b\r\n\r\n.loc ()\r\n\r\n\u041d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u043c\u0435\u0442\u043a\u0438\r\n\r\n.iloc ()\r\n\r\n\u0426\u0435\u043b\u043e\u0447\u0438\u0441\u043b\u0435\u043d\u043d\u044b\u0439\r\n\r\n.ix ()\r\n\r\n\u041d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u043c\u0435\u0442\u043e\u043a \u0438 \u0446\u0435\u043b\u044b\u0445 \u0447\u0438\u0441\u0435\u043b\r\n\r\n.loc ()\r\n\u041f\u0430\u043d\u0434\u044b \u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u043b\u044f\u044e\u0442 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0435 \u043c\u0435\u0442\u043e\u0434\u044b \u0434\u043b\u044f \u0438\u043d\u0434\u0435\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f, \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u0438\u0441\u043a\u043b\u044e\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043d\u0430 \u043c\u0435\u0442\u043a\u0430\u0445 . \u041f\u0440\u0438 \u043d\u0430\u0440\u0435\u0437\u043a\u0435 \u043d\u0430\u0447\u0430\u043b\u044c\u043d\u0430\u044f \u0433\u0440\u0430\u043d\u0438\u0446\u0430 \u0442\u0430\u043a\u0436\u0435 \u0432\u043a\u043b\u044e\u0447\u0435\u043d\u0430. \u0426\u0435\u043b\u044b\u0435 \u0447\u0438\u0441\u043b\u0430 \u044f\u0432\u043b\u044f\u044e\u0442\u0441\u044f \u0434\u043e\u043f\u0443\u0441\u0442\u0438\u043c\u044b\u043c\u0438 \u043c\u0435\u0442\u043a\u0430\u043c\u0438, \u043d\u043e \u043e\u043d\u0438 \u043e\u0442\u043d\u043e\u0441\u044f\u0442\u0441\u044f \u043a \u043c\u0435\u0442\u043a\u0435, \u0430 \u043d\u0435 \u043a \u043f\u043e\u0437\u0438\u0446\u0438\u0438.\r\n\r\n.loc () \u0438\u043c\u0435\u0435\u0442 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043c\u0435\u0442\u043e\u0434\u043e\u0432 \u0434\u043e\u0441\u0442\u0443\u043f\u0430, \u0442\u0430\u043a\u0438\u0445 \u043a\u0430\u043a \u2014\r\n\r\n\u041e\u0434\u043d\u0430 \u0441\u043a\u0430\u043b\u044f\u0440\u043d\u0430\u044f \u043c\u0435\u0442\u043a\u0430\r\n\u0421\u043f\u0438\u0441\u043e\u043a \u044f\u0440\u043b\u044b\u043a\u043e\u0432\r\n\u041b\u043e\u043c\u0442\u0438\u043a \u043e\u0431\u044a\u0435\u043a\u0442\u0430\r\n\u041b\u043e\u0433\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043c\u0430\u0441\u0441\u0438\u0432\r\nloc \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 \u0434\u0432\u0430 \u043e\u0434\u0438\u043d\u043e\u0447\u043d\u044b\u0445 \/ list \/ range \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440\u0430, \u0440\u0430\u0437\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0445 \u2018,\u2019. \u041f\u0435\u0440\u0432\u044b\u0439 \u0443\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u043d\u0430 \u0441\u0442\u0440\u043e\u043a\u0443, \u0430 \u0432\u0442\u043e\u0440\u043e\u0439 \u0443\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u043d\u0430 \u0441\u0442\u043e\u043b\u0431\u0446\u044b.\r\n\r\n\u041f\u0440\u0438\u043c\u0435\u0440 1\r\n \n#import the pandas library and aliasing as pd\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\ndf = pd.DataFrame(np.random.randn(8, 4),\r\nindex = &#91;'a','b','c','d','e','f','g','h'], columns = &#91;'A', 'B', 'C', 'D'])\r\n\r\n#select all rows for a specific column\r\nprint df.loc&#91;:,'A']\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\na   0.391548\r\nb  -0.070649\r\nc  -0.317212\r\nd  -2.162406\r\ne   2.202797\r\nf   0.613709\r\ng   1.050559\r\nh   1.122680\r\nName: A, dtype: float64\r\n\u041f\u0440\u0438\u043c\u0435\u0440 2\r\n Live Demo\r\n\r\n# import the pandas library and aliasing as pd\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\ndf = pd.DataFrame(np.random.randn(8, 4),\r\nindex = &#91;'a','b','c','d','e','f','g','h'], columns = &#91;'A', 'B', 'C', 'D'])\r\n\r\n# Select all rows for multiple columns, say list&#91;]\r\nprint df.loc&#91;:,&#91;'A','C']]\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\r\nDevOps-\u0438\u043d\u0436\u0435\u043d\u0435\u0440\r\n            A           C\r\na    0.391548    0.745623\r\nb   -0.070649    1.620406\r\nc   -0.317212    1.448365\r\nd   -2.162406   -0.873557\r\ne    2.202797    0.528067\r\nf    0.613709    0.286414\r\ng    1.050559    0.216526\r\nh    1.122680   -1.621420\r\n\u041f\u0440\u0438\u043c\u0435\u0440 3\r\n Live Demo\r\n\r\n# import the pandas library and aliasing as pd\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\ndf = pd.DataFrame(np.random.randn(8, 4),\r\nindex = &#91;'a','b','c','d','e','f','g','h'], columns = &#91;'A', 'B', 'C', 'D'])\r\n\r\n# Select few rows for multiple columns, say list&#91;]\r\nprint df.loc&#91;&#91;'a','b','f','h'],&#91;'A','C']]\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n           A          C\r\na   0.391548   0.745623\r\nb  -0.070649   1.620406\r\nf   0.613709   0.286414\r\nh   1.122680  -1.621420\r\n\u041f\u0440\u0438\u043c\u0435\u0440 4\r\n Live Demo\r\n\r\n# import the pandas library and aliasing as pd\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\ndf = pd.DataFrame(np.random.randn(8, 4),\r\nindex = &#91;'a','b','c','d','e','f','g','h'], columns = &#91;'A', 'B', 'C', 'D'])\r\n\r\n# Select range of rows for all columns\r\nprint df.loc&#91;'a':'h']\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n            A           B          C          D\r\na    0.391548   -0.224297   0.745623   0.054301\r\nb   -0.070649   -0.880130   1.620406   1.419743\r\nc   -0.317212   -1.929698   1.448365   0.616899\r\nd   -2.162406    0.614256  -0.873557   1.093958\r\ne    2.202797   -2.315915   0.528067   0.612482\r\nf    0.613709   -0.157674   0.286414  -0.500517\r\ng    1.050559   -2.272099   0.216526   0.928449\r\nh    1.122680    0.324368  -1.621420  -0.741470\r\n\u041f\u0440\u0438\u043c\u0435\u0440 5\r\n Live Demo\r\n\r\n# import the pandas library and aliasing as pd\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\ndf = pd.DataFrame(np.random.randn(8, 4),\r\nindex = &#91;'a','b','c','d','e','f','g','h'], columns = &#91;'A', 'B', 'C', 'D'])\r\n\r\n# for getting values with a boolean array\r\nprint df.loc&#91;'a']>0\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\nA  False\r\nB  True\r\nC  False\r\nD  False\r\nName: a, dtype: bool\r\n.iloc ()\r\n\u041f\u0430\u043d\u0434\u044b \u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u043b\u044f\u044e\u0442 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0435 \u043c\u0435\u0442\u043e\u0434\u044b \u0434\u043b\u044f \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u0438\u044f \u0447\u0438\u0441\u0442\u043e \u0446\u0435\u043b\u043e\u0447\u0438\u0441\u043b\u0435\u043d\u043d\u043e\u0439 \u0438\u043d\u0434\u0435\u043a\u0441\u0430\u0446\u0438\u0438. \u041a\u0430\u043a \u0438 python \u0438 numpy, \u044d\u0442\u043e \u0438\u043d\u0434\u0435\u043a\u0441\u0430\u0446\u0438\u044f \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 0 .\r\n\r\n\u0420\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0435 \u0441\u043f\u043e\u0441\u043e\u0431\u044b \u0434\u043e\u0441\u0442\u0443\u043f\u0430 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0435:\r\n\r\n\u0426\u0435\u043b\u043e\u0435 \u0447\u0438\u0441\u043b\u043e\r\n\u0421\u043f\u0438\u0441\u043e\u043a \u0446\u0435\u043b\u044b\u0445 \u0447\u0438\u0441\u0435\u043b\r\n\u0414\u0438\u0430\u043f\u0430\u0437\u043e\u043d \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439\r\n\u041f\u0440\u0438\u043c\u0435\u0440 1\r\n Live Demo\r\n\r\n# import the pandas library and aliasing as pd\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\ndf = pd.DataFrame(np.random.randn(8, 4), columns = &#91;'A', 'B', 'C', 'D'])\r\n\r\n# select all rows for a specific column\r\nprint df.iloc&#91;:4]\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n           A          B           C           D\r\n0   0.699435   0.256239   -1.270702   -0.645195\r\n1  -0.685354   0.890791   -0.813012    0.631615\r\n2  -0.783192  -0.531378    0.025070    0.230806\r\n3   0.539042  -1.284314    0.826977   -0.026251\r\n\u041f\u0440\u0438\u043c\u0435\u0440 2\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\ndf = pd.DataFrame(np.random.randn(8, 4), columns = &#91;'A', 'B', 'C', 'D'])\r\n\r\n# Integer slicing\r\nprint df.iloc&#91;:4]\r\nprint df.iloc&#91;1:5, 2:4]\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n           A          B           C           D\r\n0   0.699435   0.256239   -1.270702   -0.645195\r\n1  -0.685354   0.890791   -0.813012    0.631615\r\n2  -0.783192  -0.531378    0.025070    0.230806\r\n3   0.539042  -1.284314    0.826977   -0.026251\r\n\r\n           C          D\r\n1  -0.813012   0.631615\r\n2   0.025070   0.230806\r\n3   0.826977  -0.026251\r\n4   1.423332   1.130568\r\n\u041f\u0440\u0438\u043c\u0435\u0440 3\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\ndf = pd.DataFrame(np.random.randn(8, 4), columns = &#91;'A', 'B', 'C', 'D'])\r\n\r\n# Slicing through list of values\r\nprint df.iloc&#91;&#91;1, 3, 5], &#91;1, 3]]\r\nprint df.iloc&#91;1:3, :]\r\nprint df.iloc&#91;:,1:3]\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n           B           D\r\n1   0.890791    0.631615\r\n3  -1.284314   -0.026251\r\n5  -0.512888   -0.518930\r\n\r\n           A           B           C           D\r\n1  -0.685354    0.890791   -0.813012    0.631615\r\n2  -0.783192   -0.531378    0.025070    0.230806\r\n\r\n           B           C\r\n0   0.256239   -1.270702\r\n1   0.890791   -0.813012\r\n2  -0.531378    0.025070\r\n3  -1.284314    0.826977\r\n4  -0.460729    1.423332\r\n5  -0.512888    0.581409\r\n6  -1.204853    0.098060\r\n7  -0.947857    0.641358\r\n.ix ()\r\n\u041f\u043e\u043c\u0438\u043c\u043e \u0447\u0438\u0441\u0442\u043e \u043c\u0435\u0442\u043e\u043a \u0438 \u0446\u0435\u043b\u044b\u0445 \u0447\u0438\u0441\u0435\u043b, Pandas \u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u0433\u0438\u0431\u0440\u0438\u0434\u043d\u044b\u0439 \u043c\u0435\u0442\u043e\u0434 \u0434\u043b\u044f \u0432\u044b\u0431\u043e\u0440\u0430 \u0438 \u043f\u043e\u0434\u043d\u0430\u0431\u043e\u0440\u0430 \u043e\u0431\u044a\u0435\u043a\u0442\u0430 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440\u0430 .ix ().\r\n\r\n\u041f\u0440\u0438\u043c\u0435\u0440 1\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\ndf = pd.DataFrame(np.random.randn(8, 4), columns = &#91;'A', 'B', 'C', 'D'])\r\n\r\n# Integer slicing\r\nprint df.ix&#91;:4]\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n           A          B           C           D\r\n0   0.699435   0.256239   -1.270702   -0.645195\r\n1  -0.685354   0.890791   -0.813012    0.631615\r\n2  -0.783192  -0.531378    0.025070    0.230806\r\n3   0.539042  -1.284314    0.826977   -0.026251\r\n\u041f\u0440\u0438\u043c\u0435\u0440 2\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\ndf = pd.DataFrame(np.random.randn(8, 4), columns = &#91;'A', 'B', 'C', 'D'])\r\n# Index slicing\r\nprint df.ix&#91;:,'A']\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n0   0.699435\r\n1  -0.685354\r\n2  -0.783192\r\n3   0.539042\r\n4  -1.044209\r\n5  -1.415411\r\n6   1.062095\r\n7   0.994204\r\nName: A, dtype: float64\r\n\u0418\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u043e\u0431\u043e\u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439\r\n\u041f\u043e\u043b\u0443\u0447\u0435\u043d\u0438\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439 \u0438\u0437 \u043e\u0431\u044a\u0435\u043a\u0442\u0430 Pandas \u0441 \u043c\u043d\u043e\u0433\u043e\u043e\u0441\u0435\u0432\u044b\u043c \u0438\u043d\u0434\u0435\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0443\u044e \u0437\u0430\u043f\u0438\u0441\u044c:\r\n\r\n\u043e\u0431\u044a\u0435\u043a\u0442\t\u0438\u043d\u0434\u0435\u043a\u0441\u0430\u0442\u043e\u0440\u044b\t\u0422\u0438\u043f \u0432\u043e\u0437\u0432\u0440\u0430\u0442\u0430\r\n\u0421\u0435\u0440\u0438\u0438\ts.loc &#91;\u0438\u043d\u0434\u0435\u043a\u0441\u0430\u0442\u043e\u0440]\t\u0421\u043a\u0430\u043b\u044f\u0440\u043d\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435\r\nDataFrame\tdf.loc &#91;row_index, col_index]\t\u0421\u0435\u0440\u0438\u0439\u043d\u044b\u0439 \u043e\u0431\u044a\u0435\u043a\u0442\r\n\u043f\u0430\u043d\u0435\u043b\u044c\tp.loc &#91;item_index, major_index, minor_index]\tp.loc &#91;item_index, major_index, minor_index]\r\n\u041f\u0440\u0438\u043c\u0435\u0447\u0430\u043d\u0438\u0435. .Iloc () &amp; .ix () \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442 \u0442\u0435 \u0436\u0435 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0438\u043d\u0434\u0435\u043a\u0441\u0430\u0446\u0438\u0438 \u0438 \u0412\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u043c\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435.\r\n\r\n\u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0442\u0435\u043f\u0435\u0440\u044c \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u043a\u0430\u043a \u043a\u0430\u0436\u0434\u0430\u044f \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u044f \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u0430 \u0441 \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u043c DataFrame. \u041c\u044b \u0431\u0443\u0434\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440 \u0438\u043d\u0434\u0435\u043a\u0441\u0430\u0446\u0438\u0438 \u2018&#91;]\u2019 \u2014\r\n\r\n\u041f\u0440\u0438\u043c\u0435\u0440 1\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\ndf = pd.DataFrame(np.random.randn(8, 4), columns = &#91;'A', 'B', 'C', 'D'])\r\nprint df&#91;'A']\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n0  -0.478893\r\n1   0.391931\r\n2   0.336825\r\n3  -1.055102\r\n4  -0.165218\r\n5  -0.328641\r\n6   0.567721\r\n7  -0.759399\r\nName: A, dtype: float64\r\n\u041f\u0440\u0438\u043c\u0435\u0447\u0430\u043d\u0438\u0435. \u041c\u044b \u043c\u043e\u0436\u0435\u043c \u043f\u0435\u0440\u0435\u0434\u0430\u0442\u044c \u0441\u043f\u0438\u0441\u043e\u043a \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439 &#91;], \u0447\u0442\u043e\u0431\u044b \u0432\u044b\u0431\u0440\u0430\u0442\u044c \u044d\u0442\u0438 \u0441\u0442\u043e\u043b\u0431\u0446\u044b.\r\n\r\n\u041f\u0440\u0438\u043c\u0435\u0440 2\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\ndf = pd.DataFrame(np.random.randn(8, 4), columns = &#91;'A', 'B', 'C', 'D'])\r\n\r\nprint df&#91;&#91;'A','B']]\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n           A           B\r\n0  -0.478893   -0.606311\r\n1   0.391931   -0.949025\r\n2   0.336825    0.093717\r\n3  -1.055102   -0.012944\r\n4  -0.165218    1.550310\r\n5  -0.328641   -0.226363\r\n6   0.567721   -0.312585\r\n7  -0.759399   -0.372696\r\n\u041f\u0440\u0438\u043c\u0435\u0440 3\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\ndf = pd.DataFrame(np.random.randn(8, 4), columns = &#91;'A', 'B', 'C', 'D'])\r\nprint df&#91;2:2]\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\nColumns: &#91;A, B, C, D]\r\nIndex: &#91;]\r\n\u0414\u043e\u0441\u0442\u0443\u043f \u043a \u0430\u0442\u0440\u0438\u0431\u0443\u0442\u0430\u043c\r\n\u0421\u0442\u043e\u043b\u0431\u0446\u044b \u043c\u043e\u0436\u043d\u043e \u0432\u044b\u0431\u0440\u0430\u0442\u044c \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440\u0430 \u0430\u0442\u0440\u0438\u0431\u0443\u0442\u0430 \u2018.\u2019.\r\n\r\n\u043f\u0440\u0438\u043c\u0435\u0440\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\ndf = pd.DataFrame(np.random.randn(8, 4), columns = &#91;'A', 'B', 'C', 'D'])\r\n\r\nprint df.A<\/code><\/pre>\n","protected":false},"excerpt":{"rendered":"","protected":false},"author":2,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"categories":[109],"tags":[],"class_list":["post-3383","page","type-page","status-publish","hentry","category-python-pandas"],"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/pages\/3383","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/comments?post=3383"}],"version-history":[{"count":0,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/pages\/3383\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/media?parent=3383"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/categories?post=3383"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/tags?post=3383"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}