文章摘要
在Python的pandas库中，`iloc`函数用于基于整数位置进行数据的索引和定位。以下是其主要用法： 1. **单个整数位置索引**：通过整数索引获取单个元素或数据框中的一个或多个元素，例如`data.iloc[0,1]`表示获取第一行第二列的数据。 2. **整数位置范围索引**：通过整数范围索引获取多行或多列的数据，例如`data.iloc[0:2, 1:3]`表示获取第一行到第二行，第二列到第四列的数据。 3. **整数位置列表索引**：通过整数列表索引可以获取非连续的行和列，例如`data.iloc[[0,2], [1,3]]`表示获取第一行和第三行，第二列和第四列的数据。 4. **布尔值索引**：通过布尔值索引（基于行或列的某些条件）获取符合条件的数据，例如`data.iloc[[row for row in [0,1,2,3] if data.iloc[row,0] > 5]]`表示获取列`w`中大于5的行。 **补充：`loc`与`iloc`的区别** - `loc`：基于行标签（标签名）进行索引，例如`data.loc["A"]`表示获取标签为"A"的行。- `iloc`：基于整数位置进行索引，例如`data.iloc[0]`表示获取第一行。 **示例代码**： ```pythonimport pandas as pddata = pd.DataFrame({'w': [0,4,8,12], 'x': [1,5,9,13], 'y': [2,6,10,14], 'z': [3,7,11,15]}, index=['A','B','C','D'])print(data.iloc[0]) # 获取第一行print(data.iloc[[0]]) # 获取第一行print(data.iloc[:2, 1:3]) # 获取第一行到第二行，第二列到第四列print(data.iloc[[0,2], [1,3]]) # 获取第一行和第三行，第二列和第四列print(data.iloc[[row for row in data.index if row.startswith('A')]]) # 获取标签以'A'开头的行``` 总结：`iloc`通过整数位置索引数据，适用于按行列定位和筛选数据，操作简洁高效。
目录python中pandas库的iloc函数用法1. 单个整数位置索引2. 整数位置范围索引3. 整数位置列表索引4. 布尔值索引补充：python中iloc与loc的区别loc用法iloc用法
在 Pandas 中， 是一种用于基于整数位置进行索引的属性，可以用于获取 DataFrame 或 Series 中的数据。 支持多种索引方式，包括以下常用方式：
使用整数索引获取 DataFrame 或 Series 中的单个元素。
例如 表示获取 DataFrame 中第一行第二列的数据。
使用整数索引获取 DataFrame 或 Series 中的多个元素。
例如 表示获取 DataFrame 中第一行到第三行、第二列到第四列的数据。
使用整数列表索引获取 DataFrame 或 Series 中的多个元素。
例如 表示获取 DataFrame 中第一行、第三行、第五行和第二列、第四列、第六列的数据。
使用布尔值索引获取 DataFrame 或 Series 中的多个元素。
例如 表示获取 DataFrame 中 列大于 0 的行的第二列、第四列、第六列的数据。
注意： 属性基于整数（数字索引）位置进行索引，如果需要基于标签（标签列名）进行索引，应该使用 属性。
loc和iloc都是pandas工具中定位某一行的函数，loc是location的意思，而iloc中的 i 指的是Integer，二者的区别如下：
loc：通过行标签名称索引行数据iloc：通过行号索引行数据 示例数据
import numpy as np
import pandas as pd
data=DataFrame(np.arange(16).reshape(4,4),index=list(“ABCD”),columns=list(“wxyz”))
print(data)
import pandas as pd
data=DataFrame(np.arange(16).reshape(4,4),index=list(“ABCD”),columns=list(“wxyz”))
print(data)
输出如下：
w x y z
A 0 1 2 3
B 4 5 6 7
C 8 9 10 11
D 12 13 14 15
print(data.loc[“A”])
#w 0
#x 1
#y 2
#z 3
print(data.loc[[“A”]])
# w x y z
#A 0 1 2 3
# []返回Series，[[]]返回DataFrame
#w 0
#x 1
#y 2
#z 3
print(data.loc[[“A”]])
# w x y z
#A 0 1 2 3
# []返回Series，[[]]返回DataFrame
print(data.loc[“A”])
#w 0
#x 1
#y 2
#z 3
print(data.loc[[“A”]])
# w x y z
#A 0 1 2 3
# []返回Series，[[]]返回DataFrame
#w 0
#x 1
#y 2
#z 3
print(data.loc[[“A”]])
# w x y z
#A 0 1 2 3
# []返回Series，[[]]返回DataFrame
到此这篇关于python中pandas库的iloc函数用法的文章就介绍到这了,更多相关python pandas库iloc函数用法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
您可能感兴趣的文章:Python 之pandas库的安装及库安装方法小结python?Pandas库read_excel()参数实例详解python?pandas库读取excel/csv中指定行或列数据Python pandas库中的isnull()详解python pandas库中DataFrame对行和列的操作实例讲解在Python中利用Pandas库处理大数据的简单介绍Python?Pandas中loc和iloc函数的基本用法示例
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
