{"id":1264,"date":"2023-07-27T02:10:24","date_gmt":"2023-07-27T02:10:24","guid":{"rendered":"https:\/\/statorials.org\/de\/pandas-wahlen-zeilen-nach-index-aus\/"},"modified":"2023-07-27T02:10:24","modified_gmt":"2023-07-27T02:10:24","slug":"pandas-wahlen-zeilen-nach-index-aus","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/pandas-wahlen-zeilen-nach-index-aus\/","title":{"rendered":"So w\u00e4hlen sie zeilen nach index in einem pandas dataframe aus"},"content":{"rendered":"

<\/p>\n

\n

H\u00e4ufig m\u00f6chten Sie m\u00f6glicherweise Zeilen in einem Pandas-DataFrame basierend auf ihrem Indexwert ausw\u00e4hlen.<\/span><\/p>\n

Wenn Sie Zeilen basierend auf der Ganzzahlindizierung ausw\u00e4hlen m\u00f6chten, k\u00f6nnen Sie die Funktion .iloc<\/strong> verwenden.<\/span><\/p>\n

Wenn Sie Zeilen basierend auf der Label-Indizierung ausw\u00e4hlen m\u00f6chten, k\u00f6nnen Sie die Funktion .loc<\/strong> verwenden.<\/span><\/p>\n

Dieses Tutorial bietet ein Beispiel f\u00fcr die praktische Verwendung jeder dieser Funktionen.<\/span><\/p>\n

Beispiel 1: W\u00e4hlen Sie Zeilen basierend auf der Ganzzahlindizierung aus<\/strong><\/span><\/h3>\n

Der folgende Code zeigt, wie man einen Pandas-DataFrame erstellt und .iloc<\/strong> verwendet, um die Zeile mit einem ganzzahligen Indexwert von 4<\/strong> auszuw\u00e4hlen:<\/span><\/p>\n

 import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#make this example reproducible\nn.p. random<\/span> . seeds<\/span> (0)\n\n#createDataFrame<\/span><\/span>\ndf = pd. DataFrame<\/span> ( np.random.rand<\/span> (6,2),index=range(0,18,3),columns=[' A<\/span> '<\/span> ,' B<\/span> '])<\/span>\n\n#view DataFrame<\/span>\ndf\n\n\t       A B\n0 0.548814 0.715189\n3 0.602763 0.544883\n6 0.423655 0.645894\n9 0.437587 0.891773\n12 0.963663 0.383442\n15 0.791725 0.528895\n\n<\/span>#select the 5th row of the DataFrame\ndf. iloc<\/span> [[4]]\n\n\t       A B\n12 0.963663 0.383442<\/span><\/span><\/strong><\/pre>\n
 Wir k\u00f6nnen eine \u00e4hnliche Syntax verwenden, um mehrere Zeilen auszuw\u00e4hlen:<\/span><\/p>\n
 #select the 3rd, 4th, and 5th rows of the DataFrame\ndf. iloc<\/span> [[2, 3, 4]]\n\n\t       A B\n6 0.423655 0.645894\n9 0.437587 0.891773\n12 0.963663 0.383442\n<\/span><\/span><\/strong><\/pre>\n
 Oder wir k\u00f6nnten alle Zeilen in einem Bereich ausw\u00e4hlen:<\/span><\/p>\n
 #select the 3rd, 4th, and 5th rows of the DataFrame\ndf. iloc<\/span> [2:5]\n\n\t       A B\n6 0.423655 0.645894\n9 0.437587 0.891773\n12 0.963663 0.383442<\/span><\/span><\/strong><\/pre>\n
 Beispiel 2: Zeilen basierend auf der Beschriftungsindizierung ausw\u00e4hlen<\/strong><\/span><\/h3>\n
 Der folgende Code zeigt, wie man einen Pandas-DataFrame erstellt und mit .loc<\/strong> die Zeile mit der Indexbezeichnung 3<\/strong> ausw\u00e4hlt:<\/span><\/p>\n
 import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#make this example reproducible\nn.p. random<\/span> . seeds<\/span> (0)\n\n#createDataFrame<\/span><\/span>\ndf = pd. DataFrame<\/span> ( np.random.rand<\/span> (6,2),index=range(0,18,3),columns=[' A<\/span> '<\/span> ,' B<\/span> '])<\/span>\n\n#view DataFrame\n<\/span>df\n\n\t       A B\n0 0.548814 0.715189\n3 0.602763 0.544883\n6 0.423655 0.645894\n9 0.437587 0.891773\n12 0.963663 0.383442\n15 0.791725 0.528895\n\n<\/span>#select the row with index label '3'\ndf. loc<\/span> [[3]]\n\n               A B\n3 0.602763 0.544883<\/span><\/span><\/strong><\/pre>\n
 Wir k\u00f6nnen eine \u00e4hnliche Syntax verwenden, um mehrere Zeilen mit unterschiedlichen Indexbezeichnungen auszuw\u00e4hlen:<\/span><\/p>\n
 #select the rows with index labels '3', '6', and '9'\ndf. loc<\/span> [[3, 6, 9]]\n\n\t       A B\n3 0.602763 0.544883\n6 0.423655 0.645894\n9 0.437587 0.891773<\/span><\/span><\/strong><\/pre>\n
 Der Unterschied zwischen .iloc und .loc<\/strong><\/span><\/h3>\n
 Die obigen Beispiele veranschaulichen den subtilen Unterschied zwischen .iloc<\/strong> und .loc<\/strong> :<\/span><\/p>\n