drop - pandas loc

¿Cómo obtener la última n fila de pandas de datos?

Question

Tengo el marco de datos pandas df1 y df2 (df1 es el marco de datos de vanila, df2 está indexado por ''STK_ID'' y ''RPT_Date''):

>>> df1
    STK_ID  RPT_Date  TClose   sales  discount
0   000568  20060331    3.69   5.975       NaN
1   000568  20060630    9.14  10.143       NaN
2   000568  20060930    9.49  13.854       NaN
3   000568  20061231   15.84  19.262       NaN
4   000568  20070331   17.00   6.803       NaN
5   000568  20070630   26.31  12.940       NaN
6   000568  20070930   39.12  19.977       NaN
7   000568  20071231   45.94  29.269       NaN
8   000568  20080331   38.75  12.668       NaN
9   000568  20080630   30.09  21.102       NaN
10  000568  20080930   26.00  30.769       NaN

>>> df2
                 TClose   sales  discount  net_sales    cogs
STK_ID RPT_Date                                             
000568 20060331    3.69   5.975       NaN      5.975   2.591
       20060630    9.14  10.143       NaN     10.143   4.363
       20060930    9.49  13.854       NaN     13.854   5.901
       20061231   15.84  19.262       NaN     19.262   8.407
       20070331   17.00   6.803       NaN      6.803   2.815
       20070630   26.31  12.940       NaN     12.940   5.418
       20070930   39.12  19.977       NaN     19.977   8.452
       20071231   45.94  29.269       NaN     29.269  12.606
       20080331   38.75  12.668       NaN     12.668   3.958
       20080630   30.09  21.102       NaN     21.102   7.431

Puedo obtener las últimas 3 filas de df2 de la siguiente manera:

>>> df2.ix[-3:]
                 TClose   sales  discount  net_sales    cogs
STK_ID RPT_Date                                             
000568 20071231   45.94  29.269       NaN     29.269  12.606
       20080331   38.75  12.668       NaN     12.668   3.958
       20080630   30.09  21.102       NaN     21.102   7.431

mientras que df1.ix[-3:] da todas las filas:

>>> df1.ix[-3:]
    STK_ID  RPT_Date  TClose   sales  discount
0   000568  20060331    3.69   5.975       NaN
1   000568  20060630    9.14  10.143       NaN
2   000568  20060930    9.49  13.854       NaN
3   000568  20061231   15.84  19.262       NaN
4   000568  20070331   17.00   6.803       NaN
5   000568  20070630   26.31  12.940       NaN
6   000568  20070930   39.12  19.977       NaN
7   000568  20071231   45.94  29.269       NaN
8   000568  20080331   38.75  12.668       NaN
9   000568  20080630   30.09  21.102       NaN
10  000568  20080930   26.00  30.769       NaN

Por qué ? ¿Cómo obtener las últimas 3 filas de df1 (dataframe without index)? Pandas 0.10.1

Answer 1

¡No te olvides de DataFrame.tail ! por ejemplo, df1.tail(10)

Answer 2

Esto se debe a la utilización de índices enteros ( ix selecciona por etiqueta sobre -3 en lugar de posición , y esto es por diseño: vea la indexación de enteros en pandas "gotchas" *).

* En versiones más nuevas de pandas, prefieren loc o iloc para eliminar la ambigüedad de ix como posición o etiqueta:

df.iloc[-3:]

ver los docs .

Como señala Wes, en este caso específico solo debes usar cola.

También se debe tener en cuenta que en Pandas pre-0.14 iloc generará un IndexError en un acceso fuera de límites, mientras que .head() y .tail() no:

>>> pd.__version__
''0.12.0''
>>> df = pd.DataFrame([{"a": 1}, {"a": 2}])
>>> df.iloc[-5:]
...
IndexError: out-of-bounds on slice (end)
>>> df.tail(5)
   a
0  1
1  2

Respuesta anterior (método depreciado):

Puede utilizar el método irows irows para superar esta ambigüedad:

In [11]: df1.irow(slice(-3, None))
Out[11]: 
    STK_ID  RPT_Date  TClose   sales  discount
8      568  20080331   38.75  12.668       NaN
9      568  20080630   30.09  21.102       NaN
10     568  20080930   26.00  30.769       NaN

Nota: La serie tiene un método iget similar .