شاخص: برچسب‌گذاری داده‌ها برای دسترسی آسان

شاخص: برچسب‌گذاری داده‌ها برای دسترسی آسان

شاخص در Pandas یک عنصر کلیدی برای ساختارهای داده Series و DataFrame است که به شما امکان می‌دهد به طور کارآمد به داده‌های خود دسترسی داشته باشید و آنها را دستکاری کنید.

ویژگی‌های شاخص:

• منحصر به فرد بودن: هر عنصر در Series یا هر سطر در DataFrame باید یک برچسب شاخص منحصر به فرد داشته باشد.
• انواع مختلف: شاخص‌ها می‌توانند از رشته‌ها، اعداد یا تاریخ‌ها تشکیل شده باشند.
• قابلیت تغییر: می‌توانید شاخص‌ها را به طور دلخواه تغییر دهید یا مرتب‌سازی کنید.
• دسترسی آسان: می‌توانید با استفاده از شاخص‌ها به طور مستقیم به عناصر Series یا سطرهای DataFrame دسترسی داشته باشید.

مزایای استفاده از شاخص:

• دسترسی سریع: شاخص‌ها به شما امکان می‌دهند به طور مستقیم به عناصر Series یا سطرهای DataFrame بدون نیاز به پیمایش در کل ساختار داده دسترسی داشته باشید.
• انعطاف‌پذیری: می‌توانید از انواع مختلف شاخص‌ها برای برچسب‌گذاری داده‌های خود استفاده کنید و آنها را به دلخواه مرتب‌سازی کنید.
• قابلیت جستجو: می‌توانید با استفاده از شاخص‌ها به دنبال عناصر یا سطرهای خاص در Series یا DataFrame خود باشید.
• تجزیه و تحلیل آسان: شاخص‌ها به شما امکان می‌دهند داده‌های خود را به طور کارآمد تجزیه و تحلیل و دستکاری کنید.

انواع شاخص:

• شاخص عددی: از اعداد برای برچسب‌گذاری عناصر یا سطرها استفاده می‌کند.
• شاخص رشته‌ای: از رشته‌ها برای برچسب‌گذاری عناصر یا سطرها استفاده می‌کند.
• شاخص تاریخ: از تاریخ‌ها و timestamps برای برچسب‌گذاری عناصر یا سطرها استفاده می‌کند.
• شاخص چند سطحی: از سلسله مراتبی از برچسب‌ها برای برچسب‌گذاری سطرها در DataFrame‌های چندبعدی استفاده می‌کند.

ایجاد شاخص:

• به طور پیش فرض: Pandas به طور خودکار یک شاخص عددی را برای Series و DataFrame‌های جدید ایجاد می‌کند.
• از لیست: می‌توانید با استفاده از یک لیست از اعداد، رشته‌ها یا تاریخ‌ها، شاخص سفارشی ایجاد کنید.
• از آرایه NumPy: می‌توانید با استفاده از یک آرایه NumPy از اعداد، رشته‌ها یا تاریخ‌ها، شاخص سفارشی ایجاد کنید.

دسترسی به داده‌ها با استفاده از شاخص:

• با استفاده از اسلایس‌ها: می‌توانید با استفاده از اسلایس‌ها، زیرمجموعه‌ای از عناصر یا سطرها را با توجه به شاخص‌های آنها انتخاب کنید.
• با استفاده از مقادیر شاخص: می‌توانید با استفاده از مقادیر شاخص خاص، به عناصر یا سطرهای خاص دسترسی داشته باشید.
• با استفاده از توابع Pandas: می‌توانید از توابع Pandas مانند loc و iloc برای دسترسی به عناصر یا سطرها با توجه به شاخص‌های آنها استفاده کنید.

تغییر شاخص:

• با استفاده از توابع Pandas: می‌توانید از توابع Pandas مانند set_index() و reset_index() برای تغییر شاخص Series یا DataFrame خود استفاده کنید.

مثال:

import pandas as pd

data = [
    ["Alice", ۳۰, "Female", "USA"],
    ["Bob", ۲۵, "Male", "Canada"],
    ["Charlie", ۲۲, "Male", "USA"],
]

df = pd.DataFrame(data, columns=["Name", "Age", "Gender", "Country"])

# دسترسی به عنصر با استفاده از شاخص
print(df["Name"][۰])  # دسترسی به اولین عنصر در ستون "Name"

# انتخاب زیرمجموعه‌ای از سطرها با استفاده از شاخص
filtered_df = df[df["Age"] > ۲۵]  # فیلتر کردن سطرهایی که سن آنها بیشتر از ۲۵ است
print(filtered_df)

شاخص ابزاری قدرتمند در Pandas است که به شما امکان می‌دهد به طور کارآمد به داده‌های خود دسترسی داشته باشید، آنها را دستکاری کنید و تجزیه و تحلیل کنید. با استفاده از شاخص‌ها، می‌توانید به سرعت و به راحتی اطلاعات مورد نیاز خود را از مجموعه داده‌های خود پیدا کنید.