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 .