pandas的iloc

pandas的iloc是一种用于按位置选择数据的方法。它可以通过行索引和列索引来定位数据，并返回指定位置的数据。

以下是两个使用pandas的iloc的例子：

1. 使用iloc取行索引为a，列索引为b的数据：

import pandas as pd
df = pd.read_csv('a.csv')
print(df.iloc[a, b])  # 输出：95

2. 使用iloc取行索引为a的所有列索引的数据：

import pandas as pd
df = pd.read_csv('a.csv')
print(df.iloc[a])  # 输出：姓名 小方 # 班级 303 # 分数 100 # Name: 2, dtype: object
print(df.iloc[a].values)  # 输出：['小方' 303 100]

相关问题

pandas iloc

pandas iloc是一个用于按位置选取pandas DataFrame或Series中数据的方法。iloc的名称意为"integer location"，表示按整数位置进行选择。

iloc使用基于0的整数索引来选择数据。它可以使用单个整数、切片或整数列表进行选择。以下是一些示例：

选择单个元素：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
print(df.iloc[0, 0])  # 1

选择一行：

print(df.iloc[0])  # A    1\nB    4\nC    7\nName: 0, dtype: int64

选择多行：

print(df.iloc[0:2])  #    A  B  C\n0  1  4  7\n1  2  5  8

选择单个列：

print(df.iloc[:, 0])  # 0    1\n1    2\n2    3\nName: A, dtype: int64

选择多个列：

print(df.iloc[:, [0, 2]])  #    A  C\n0  1  7\n1  2  8\n2  3  9

iloc还可以与布尔数组一起使用，以根据条件选择数据。例如，选择所有A列中的值大于1的行：

print(df.iloc[df['A'] > 1])  #    A  B  C\n1  2  5  8\n2  3  6  9

pandas iloc作用

Pandas的`iloc`主要用来基于位置（而非标签）访问DataFrame或Series的数据。它的用法如下：

1. `data.iloc[:,1:4]` 或 `data.iloc[3,[1,5]]`: 这表示选取特定的行和列。第一个例子选择从第二列开始到第四列的所有行，第二个例子选择索引为3的行以及第1和第5列。

2. `data.iloc[1:8,[1,5]]`: 通过指定行范围和列范围，如这里是从第二行开始到第七行，只取第1和第5列的数据。

3. 对于切片，`data.iloc[0:3]` 和 `data.iloc[0:3]` 表示按照行的位置来获取前三行的数据。值得注意的是，两者可能看起来一样，但因为`iloc`默认使用整数索引，所以`data.iloc[0:3]`总是意味着实际的前三行，而`data.loc[0:3]`可能会因为有缺失值或重复标签而有所不同。