DataFrame.iloc

DataFrame.iloc是一个用于按照行和列的位置来选择数据的方法。它的基本语法是 `DataFrame.iloc[行位置,列位置]`。行位置和列位置都可以是单个整数，也可以是一个整数范围，用冒号分隔。

举个例子，假设有一个DataFrame df：

   A  B  C
0  1  2  3
1  4  5  6
2  7  8  9

如果我们想选择第一行第二列的元素，可以使用以下代码：

df.iloc[0,1]

结果为：

2

如果我们想选择第二行的所有元素，可以使用以下代码：

df.iloc[1,:]

结果为：

A    4
B    5
C    6
Name: 1, dtype: int64

如果我们想选择前两行的所有元素，可以使用以下代码：

df.iloc[:2,:]

结果为：

   A  B  C
0  1  2  3
1  4  5  6

相关问题

dataframe.iloc

`dataframe.iloc` 是 pandas 库中的一个用于按照位置选择数据的方法。它的全称是 "integer location based indexing"，即基于整数位置的索引。

`dataframe.iloc` 的语法为：`dataframe.iloc[row_index, column_index]`。其中，`row_index` 和 `column_index` 都可以是整数、整数列表或整数切片。

例如，假设有以下数据框：

import pandas as pd

data = {
        'name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily'],
        'age': [25, 32, 18, 47, 22],
        'gender': ['F', 'M', 'M', 'M', 'F']
       }

df = pd.DataFrame(data)

则可以使用 `dataframe.iloc` 来选择特定行或列的数据：

# 选择第一行
df.iloc[0]

# 选择第一列
df.iloc[:, 0]

# 选择第二行第三列的数据
df.iloc[1, 2]

# 选择第一行和第三行，第二列和第三列的数据
df.iloc[[0, 2], 1:3]

需要注意的是，`dataframe.iloc` 中的 row_index 和 column_index 都是基于 0 开始的整数位置。同时，`dataframe.iloc` 是基于位置选择数据的方法，不支持使用标签进行选择。如果需要使用标签进行选择，可以使用 `dataframe.loc` 方法。

dataframe.iloc.values

The attribute `values` in the `iloc` property of a Pandas DataFrame returns a NumPy array representation of the DataFrame's values.

For example, suppose we have a DataFrame `df`:

import pandas as pd

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

We can access the values of the DataFrame using the `iloc` property:

values = df.iloc.values

This will return a NumPy array of the same shape as the DataFrame:

array([[1, 4, 7],
       [2, 5, 8],
       [3, 6, 9]])

Note that the `values` attribute returns a copy of the data, not a view. Therefore, any modifications made to the NumPy array will not affect the original DataFrame.