# Hvad er Python pandas-egenskaben iloc\[\]?

Python pandas DataFrame-egenskaben `iloc[]` bruges til at vælge data inden for en pandas DataFrame **ved hjælp af indekser**. Dette giver dig mulighed for at se bestemte rækker og kolonner i en DataFrame.

## Hvad er syntaksen for pandas `iloc[]`?

Pandas `iloc[]` bruger heltal til at angive, **hvilke elementer fra DataFrame der skal vælges**. Den generelle syntaks for pandas `DataFrame.iloc()` er:

```python
DataFrame.iloc[selection]
```

Du kan overføre pandas `iloc[]` **et enkelt heltal, en Python-liste med heltal, et slice-objekt eller en Python-tuple med række- og kolonneindekser**.

## Sådan bruges pandabjørne `DataFrame.iloc[]`

Pandas `iloc[]` ’s adfærd ændrer sig afhængigt af den værdi, du overfører til egenskaben. Vi har angivet forskellige eksempler nedenfor for at illustrere dette.

### Valg af en række

Først opretter vi en DataFrame med forskellige personer, deres alder og de byer, hvor de bor:

```python
import pandas as pd
# Example of how to create a DataFrame
data = {'Name': ['Alicia', 'Carlos', 'Dara', 'Craig'],
    'Age': [28, 24, 22, 32],
    'City': ['Nottingham', 'London', 'Cardiff', 'Hull']}
df = pd.DataFrame(data)
print(df)
```

Den resulterende DataFrame ser således ud:

```none
Name  Age        City
0   Alicia   28		Nottingham
1   Carlos   24		London
2     Dara   22		Cardiff
3    Craig   32		Hull
```

Ved hjælp af `iloc[]` kan du nu vælge en hvilken som helst række ved at indtaste det tilsvarende rækkeindeks:

```python
# Selecting the first row (index 0)
result = df.iloc[0]
print(result)
```

I dette eksempel er den første række (indeks 0) blevet valgt. Resultatet indeholder dataene for Alicia:

```none
Name       Alicia
Age            28
City     Nottingham
Name: 0, dtype: object
```

### Valg af en række og en kolonne

Hvis du vil angive både en række- og kolonneindeks, skal du blot overføre disse værdier til `iloc[]` med et komma mellem dem:

```python
# Select the first row and second column
result = df.iloc[0, 1]
print(result)
```

Med ovenstående kode vælger pandas `iloc[]` den første række (indeks 0) og den anden kolonne (indeks 1). Resultatet er Alicias alder: 28.

### Valg af flere rækker og kolonner ved hjælp af udsnit

Du kan også vælge flere rækker og kolonner samtidigt ved hjælp af Python-slices. Husk, at indekset efter kolon ikke er inkluderet i markeringen.

```python
# Select the first two rows and first two columns
result = df.iloc[0:2, 0:2]
print(result)
```

Outputtet for ovenstående kode er:

```none
Name  Age
0  Alicia   28
1  Carlos   24
```

Her vælges de to første rækker (`0:2`) og de to første kolonner (`0:2`). Den resulterende DataFrame indeholder kun dataene i række 0 og 1 og kolonne 0 og 1.

### Valg af flere rækker og kolonner med lister

Du kan også bruge Python-lister til at vælge flere rækker og kolonner. Fordelen ved lister er, at du kan vælge dele af DataFrame, der ikke ligger direkte ved siden af hinanden:

```python
# Select the first and third rows and the second and third columns
result = df.iloc[[0, 2], [1, 2]]
print(result)
```

Her vælges den første og tredje række (`[0, 2]`) og den anden og tredje kolonne (`[1, 2]`), hvilket resulterer i følgende output:

```none
Age        City
0     28    Nottingham
2     22     Cardiff
```


This is a markdown version of: [https://www.ionos.com/da-dk/digitalguide/websteder/webudvikling/python-pandas-dataframe-iloc/](https://www.ionos.com/da-dk/digitalguide/websteder/webudvikling/python-pandas-dataframe-iloc/) for AI/LLM consumption.