يسأل مدير المنتجات في Cartwheel: “بكم نبيع مطحنة القهوة، المنتج 7؟” و"أرني أغلى خمسة منتجات مع تكاليفها". كلاهما مسألة اختيار: من جدول، استخرج هذه الصفوف وهذه الأعمدة بالضبط. تعطيك pandas أداتين دقيقتين لذلك، .loc و.iloc، ومعظم ارتباك المبتدئين يأتي من الخلط بينهما. القاعدة قصيرة: .loc تستخدم التسميات، و.iloc تستخدم المواقع.
الأقواس المربعة على DataFrame تختار الأعمدة:
\nimport pandas as pd\n\nproducts = pd.read_csv(\"products.csv\", index_col=\"product_id\")\nprint(products[\"name\"].head(3)) # one column: a Series\nprint(products[[\"name\", \"unit_price\"]].head(3)) # a list of columns: a DataFrameجعل index_col="product_id" معرّف المنتج فهرسًا للصفوف بدلًا من 0 و1 و2 الافتراضية. هذا الاختيار وحده يجعل كل ما يلي يُقرأ بطبيعية: المنتج 7 هو الصف المسمّى 7. ومع DataFrame محمّل مسبقًا، تقوم products.set_index("product_id") بالشيء نفسه وتعيد DataFrame جديدًا.
سترى أيضًا products.unit_price في الدروس التعليمية. الوصول بالنقطة يعمل مع الأسماء البسيطة، لكنه يفشل مع الأسماء التي فيها مسافات، ويعيد بصمت شيئًا خاطئًا حين يتشارك عمود اسمه مع method في الـ DataFrame: عمود اسمه count أو size تحجبه الـ method التي تحمل الاسم نفسه. الأقواس المربعة تعمل دائمًا، فاجعلها خيارك الافتراضي.
الأقواس المزدوجة ليست خطأً كتابيًا. الزوج الخارجي هو الاختيار، والزوج الداخلي قائمة Python بأسماء الأعمدة. عمود واحد داخل قائمة يعطيك DataFrame مع ذلك.
\nتأخذ .loc[rows, columns] تسميات الصفوف أولًا، ثم تسميات الأعمدة:
import pandas as pd\n\nproducts = pd.read_csv(\"products.csv\", index_col=\"product_id\")\nprint(products.loc[7, \"unit_price\"]) # one value\nprint(products.loc[7]) # one row, as a Series\nprint(products.loc[[11, 21, 37], [\"name\", \"unit_price\"]]) # chosen rows and columns\nprint(products.loc[1:3, \"name\":\"unit_price\"]) # label slicesالقوائم تختار التسميات التي تذكرها بالضبط، وبالترتيب نفسه. والشرائح تأخذ نطاقًا من التسميات، وهذا هو الجزء الذي يجب أن تتذكّره: شرائح .loc تشمل التسمية الأخيرة. تعيد products.loc[1:3] المنتجات 1 و2 و3. وشريحة الأعمدة "name":"unit_price" تشمل unit_price بالمثل. يصبح هذا منطقيًا حين تفكّر بالتسميات: “من المنتج 1 إلى المنتج 3” تشمل المنتج 3.
اطلب تسمية غير موجودة، مثل products.loc[99]، فتحصل على KeyError: 99. هذه ميزة: المعرّف الخاطئ يجب أن يفشل بصوت عالٍ، لا أن يعيد نتيجة فارغة قد تلصقها في تقرير. وحين يكون غياب التسمية احتمالًا طبيعيًا، افحص أولًا بـ 99 in products.index، التي تعيد True أو False.
و.loc أيضًا هي الأداة الوحيدة التي تستخدمها لإسناد القيم، كما سترى في الدرس 2.5: products.loc[7, "unit_price"] = 135.45 تغيّر خلية واحدة بالضبط.
تتجاهل .iloc التسميات وتعدّ المواقع من 0، وشرائحها تستبعد النهاية، تمامًا مثل قوائم Python:
import pandas as pd\n\nproducts = pd.read_csv(\"products.csv\", index_col=\"product_id\")\nprint(products.iloc[0]) # first row, whatever its label\nprint(products.iloc[:3, :2]) # first three rows, first two columns\nprint(products.iloc[-1][\"name\"]) # last row's nameاستخدم .iloc حين يكون الموقع هو ما تقصده: “الخمسة الأولى”، “الصف الأخير”، “كل صف ثانٍ”. واستخدم .loc حين تكون الهوية هي ما تقصده: “المنتج 7”، “العمود unit_price”.
رتّب المنتجات بحسب السعر، فتفترق الأداتان:
\nimport pandas as pd\n\nproducts = pd.read_csv(\"products.csv\", index_col=\"product_id\")\nby_price = products.sort_values(\"unit_price\", ascending=False)\nprint(by_price.iloc[:3][[\"name\", \"unit_price\"]]) # the three priciest\nprint(by_price.loc[1, \"name\"]) # still the skilletالترتيب ينقل الصفوف، لكن كل صف يحتفظ بتسميته. أصبحت by_price.iloc[0] الآن هي Standing Desk، أغلى منتج بسعر 449 دولارًا؛ بينما by_price.loc[1] ما زالت Cast Iron Skillet، أينما انتهى بها المطاف. والتصفية تتصرّف بالطريقة نفسها: بعد أن تحتفظ ببعض الصفوف فقط، تصبح في التسميات فجوات (1، 4، 9…)، بينما يُعاد ترقيم المواقع 0، 1، 2. وإذا أردت تسميات جديدة من 0 إلى n، فإن reset_index(drop=True) تعيدها لك.
في التمرين تجيب عن أسئلة مدير المنتجات باستخدام .loc و.iloc. وفي الدرس التالي تختار الصفوف بحسب شرط بدلًا من التسمية: “كل الطلبات التي تتجاوز 200 دولار”، “كل طلبات الويب في نوفمبر”.
df["col"] تعيد عمودًا واحدًا على هيئة Series؛ وdf[["a", "b"]] (قائمة داخل الأقواس) تعيد DataFrame.",".loc[rows, columns] تختار بالتسمية، والشرائح فيها تشمل التسمية الأخيرة.",".iloc[rows, columns] تختار بالموقع، والشرائح فيها تستبعد النهاية، تمامًا مثل قوائم Python.","بعد الترتيب تبقى التسميات ملتصقة بصفوفها، فتجد .loc المنتج نفسه، بينما تجد .iloc[0] أيًّا كان الصف الذي صار أولًا.","اجعل الفهرس شيئًا له معنى مثل product_id باستخدام index_col= أو set_index()، كي تُقرأ .loc كعملية بحث."],"further":[{"title":"Indexing and selecting data","url":"https://pandas.pydata.org/docs/user_guide/indexing.html"},{"title":"pandas.DataFrame.loc","url":"https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.loc.html"},{"title":"pandas.DataFrame.iloc","url":"https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.iloc.html"}],"quiz":[{"q":"فهرس products هو product_id (من 1 إلى 48). كم صفًا تعيد products.loc[1:5]؟
.loc فتقطّع بالتسمية وتشمل النهاية."},{"text":"6","why":"التسميات 1 و2 و3 و4 و5 خمسة صفوف؛ لا شيء في هذه الشريحة يصل إلى صف سادس."},{"text":"خطأ، لأن 1:5 مواقع","why":"مع فهرس من أعداد صحيحة، تعامل .loc الأرقام على أنها تسميات، وهذه التسميات موجودة."},{"text":"5","why":"صحيح. شرائح .loc تشمل الطرفين، فتعود التسميات من 1 إلى 5."}],"answer":3},{"q":"رتّبت products بحسب السعر، الأعلى أولًا. أيّ تعبير يعيد صف المنتج الأغلى؟
by_price.loc[1]","why":".loc[1] هو الصف المسمّى 1، أي Cast Iron Skillet، أينما أصبح موقعه."},{"text":"by_price[0]","why":"الأقواس المربعة مع قيمة واحدة تبحث عن عمود اسمه 0، وهذا يسبّب KeyError."},{"text":"by_price.iloc[1]","why":"المواقع تبدأ من 0، فهذا هو ثاني أغلى منتج."},{"text":"by_price.iloc[0]","why":"صحيح. بعد الترتيب يحمل الموقع 0 المنتج الأغلى، أيًّا كانت تسميته."}],"answer":3},{"q":"ماذا تعيد products[["name"]] مقارنةً بـ products["name"]؟
products.columns فتسرد الأسماء."}],"answer":1},{"q":"أيّ سطر يعطيك سعر الوحدة للمنتج 7 في خطوة واحدة واضحة؟
","options":[{"text":"products.loc[7, "unit_price"]","why":"صحيح. استدعاء واحد لـ .loc بتسمية صف وتسمية عمود يختار قيمة واحدة بالضبط."},{"text":"products.iloc[7, "unit_price"]","why":"لا تقبل .iloc إلا المواقع؛ اسم العمود يسبّب خطأ، والموقع 7 هو المنتج 8 على أي حال."},{"text":"products["unit_price"][7]","why":"يعمل بالمصادفة للقراءة، لكنه خطوتا اختيار؛ والنمط نفسه حين يُستخدم للإسناد هو الإسناد المتسلسل (chained assignment) الذي يتعطّل مع Copy-on-Write."}],"answer":0}],"exercise":{"kind":"python","files":["products.csv"],"starter":"import pandas as pd\n\nproducts = pd.read_csv(\"products.csv\", index_col=\"product_id\")\n\n# 1. Unit price of product 7 (a single number)\ngrinder_price = None\n\n# 2. Rows for products 11, 21 and 37, with only the name and unit_cost columns\nsubset = None\n\n# 3. The five most expensive products (all columns), most expensive first\ntop5 = None\n\n# 4. The name of the cheapest product\ncheapest_name = None\n","solution":"import pandas as pd\n\nproducts = pd.read_csv(\"products.csv\", index_col=\"product_id\")\n\ngrinder_price = products.loc[7, \"unit_price\"]\n\nsubset = products.loc[[11, 21, 37], [\"name\", \"unit_cost\"]]\n\nby_price = products.sort_values(\"unit_price\", ascending=False)\ntop5 = by_price.iloc[:5]\n\ncheapest_name = by_price.iloc[-1][\"name\"]\n","checks":[{"id":"grinder","test":"float(grinder_price) == 129.0"},{"id":"subset","test":"isinstance(subset, pd.DataFrame) and list(subset.index) == [11, 21, 37] and list(subset.columns) == ['name', 'unit_cost']"},{"id":"top5","test":"isinstance(top5, pd.DataFrame) and len(top5) == 5 and list(top5['unit_price']) == [449, 329, 289, 199, 189]"},{"id":"top5-columns","test":"'name' in top5.columns and 'unit_cost' in top5.columns"},{"id":"cheapest","test":"cheapest_name == 'Jump Rope Pro'"}],"title":"أجب مدير المنتجات","prompt":"حُمّل products مع product_id فهرسًا له. اجعل grinder_price سعر الوحدة للمنتج 7. واجعل subset المنتجات 11 و21 و37 مع العمودين name وunit_cost فقط، بهذا الترتيب. واجعل top5 أغلى خمسة منتجات بكل أعمدتها، الأغلى أولًا. واجعل cheapest_name اسم المنتج الأرخص.
.loc[7, "unit_price"].","تأخذ .loc قائمة بتسميات الصفوف وقائمة بأسماء الأعمدة: .loc[[11, 21, 37], ["name", "unit_cost"]].","رتّب بـ products.sort_values("unit_price", ascending=False)، ثم خذ المواقع بـ .iloc[:5]. المنتج الأرخص في الموقع -1 من ذلك الجدول المرتّب (أو في الموقع 0 من ترتيب تصاعدي)."],"explanation":"معرّفات المنتجات تسميات، لذا .loc هي الأداة الصحيحة للسؤالين 1 و2، وهي تعيد الأعمدة بالترتيب الذي تذكره. أما “أغلى خمسة” فتتعلّق بالموقع بعد الترتيب، فتكون .iloc[:5] على الجدول المرتّب هي الخيار الطبيعي؛ وتعمل أيضًا nlargest(5, "unit_price") التي ستتعرّف عليها في الدرس القادم. المنتج الأرخص هو Jump Rope Pro بسعر 18 دولارًا. لاحظ أن .loc[1:5] على الجدول المرتّب لن تعطيك الخمسة الأوائل: ستعيد أيّ صفوف تقع بين التسميتين 1 و5 في مواقعها الجديدة، ولا علاقة لذلك بالسعر.
grinder_price يساوي 129","subset":"subset فيه المنتجات 11 و21 و37 والعمودان name و unit_cost","top5":"top5 يحمل أعلى خمسة أسعار بترتيب تنازلي","top5-columns":"top5 يحتفظ بكل الأعمدة","cheapest":"cheapest_name يساوي Jump Rope Pro"}},"words":585,"readMinutes":3}