# Τι είναι η ιδιότητα iloc\[\] της Python pandas;

Η ιδιότητα `iloc[]` του Python pandas DataFrame χρησιμοποιείται για την επιλογή δεδομένων μέσα σε ένα pandas DataFrame **χρησιμοποιώντας δείκτες**. Αυτό σας επιτρέπει να προβάλετε συγκεκριμένες σειρές και στήλες ενός DataFrame.

## Ποια είναι η σύνταξη για το pandas `iloc[]`;

Το Pandas `iloc[]` χρησιμοποιεί ακέραιους αριθμούς για να καθορίσει **ποια στοιχεία από το DataFrame πρέπει να επιλεγούν**. Η γενική σύνταξη για το pandas `DataFrame.iloc()` είναι:

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

Μπορείτε να περάσετε στο pandas `iloc[]` **έναν μόνο ακέραιο αριθμό, μια λίστα ακέραιων αριθμών Python, ένα αντικείμενο slice ή μια τούπλα Python με δείκτες σειράς και στήλης**.

## Πώς να χρησιμοποιήσετε pandas `DataFrame.iloc[]`

Η συμπεριφορά του pandas `iloc[]` αλλάζει ανάλογα με την τιμή που μεταβιβάζετε στην ιδιότητα. Παρακάτω παρέχουμε διάφορα παραδείγματα για να το επεξηγήσουμε.

### Επιλογή μιας σειράς

Πρώτα, θα δημιουργήσουμε ένα DataFrame με διάφορα άτομα, τις ηλικίες τους και τις πόλεις όπου ζουν:

```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)
```

Το τελικό DataFrame έχει την εξής μορφή:

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

Χρησιμοποιώντας `iloc[]`, μπορείτε τώρα να επιλέξετε οποιαδήποτε σειρά περνώντας τον αντίστοιχο δείκτη σειράς:

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

Σε αυτό το παράδειγμα, έχει επιλεγεί η πρώτη σειρά (δείκτης 0). Το αποτέλεσμα περιέχει τα δεδομένα για την Alicia:

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

### Επιλογή μιας σειράς και μιας στήλης

Αν θέλετε να καθορίσετε τόσο τον δείκτη σειράς όσο και τον δείκτη στήλης, απλά περάστε αυτές τις τιμές στο `iloc[]` με ένα κόμμα ανάμεσα τους:

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

Με τον παραπάνω κώδικα, το pandas `iloc[]` επιλέγει την πρώτη σειρά (δείκτης 0) και τη δεύτερη στήλη (δείκτης 1). Το αποτέλεσμα είναι η ηλικία της Alicia: 28.

### Επιλογή πολλαπλών σειρών και στηλών χρησιμοποιώντας τμήματα

Μπορείτε επίσης να επιλέξετε ταυτόχρονα πολλές σειρές και στήλες χρησιμοποιώντας το Python slices. Λάβετε υπόψη ότι ο δείκτης μετά την άνω και κάτω τελεία δεν περιλαμβάνεται στην επιλογή.

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

Το αποτέλεσμα για τον παραπάνω κώδικα είναι:

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

Εδώ, επιλέγονται οι δύο πρώτες σειρές (`0:2`) και οι δύο πρώτες στήλες (`0:2`). Το DataFrame που προκύπτει περιλαμβάνει μόνο τα δεδομένα στις σειρές 0 και 1 και στις στήλες 0 και 1.

### Επιλογή πολλαπλών σειρών και στηλών με λίστες

Μπορείτε επίσης να χρησιμοποιήσετε λίστες Python για να επιλέξετε πολλές σειρές και στήλες. Το πλεονέκτημα των λιστών είναι ότι μπορείτε να επιλέξετε τμήματα του DataFrame που δεν βρίσκονται ακριβώς το ένα δίπλα στο άλλο:

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

Εδώ, επιλέγονται η πρώτη και η τρίτη σειρά (`[0, 2]`) και η δεύτερη και η τρίτη στήλη (`[1, 2]`), με αποτέλεσμα την ακόλουθη έξοδο:

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


This is a markdown version of: [https://www.ionos.com/el-gr/digitalguide/istoselides/anaptyxi-istoselidon/python-pandas-dataframe-iloc/](https://www.ionos.com/el-gr/digitalguide/istoselides/anaptyxi-istoselidon/python-pandas-dataframe-iloc/) for AI/LLM consumption.