pandas dataframe iloc

p的DataFrame的iloc方法是一种基于整数位置的索引方法。它允许我们通过行号和列号来访问和操作DataFrame中的数据。引用中给出了几种使用iloc方法的示例：

1. 使用单个整数索引访问某一行的数据：
df.iloc可以返回第0行的数据，返回的是一个Series对象，其中包含了该行的所有数据，通过索引可以获取具体的数值。

2. 使用切片索引来选择多行或多列的数据：
df.iloc[0:2, 0:3]可以返回第0到1行和第0到2列的数据，返回的是一个DataFrame对象，其中包含了所选行和列的数据。

3. 使用列表索引来选择多行的数据：
df.iloc[[0,2]]可以返回第0和第2行的数据，返回的是一个DataFrame对象，其中包含了所选行的数据。

4. 使用布尔索引来选择行的数据：
df.iloc[[True, False, True]]可以根据给定的布尔值来选择行的数据，返回的是一个DataFrame对象，其中包含了所选行的数据。这种方法不常用。

5. 使用函数生成索引列表来选择行的数据：
df.iloc[lambda x: x.index % 2 == 0]可以根据函数生成的索引列表来选择行的数据，返回的是一个DataFrame对象，其中包含了所选行的数据。

总结来说，pandas的DataFrame的iloc方法可以通过整数位置来选择和操作DataFrame中的数据，可以通过单个整数索引、切片索引、列表索引、布尔索引和函数生成索引列表来选择行的数据。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [pandas中iloc()函数](https://blog.csdn.net/llf000000/article/details/123171542)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* [pandas.DataFrame.iloc的使用](https://blog.csdn.net/qq_45473634/article/details/119800067)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]