data.iloc用法

`data.iloc`是pandas库中的一个方法，用于根据行号和列号的位置来访问数据。其语法为`data.iloc[row_index,column_index]`，其中`row_index`和`column_index`可以为单个整数、整数列表、整数切片或布尔列表。下面是一些常见用法：

- 访问单个元素：`data.iloc[row_index,column_index]`
- 访问一行：`data.iloc[row_index,:]` 或 `data.iloc[row_index]`
- 访问多行：`data.iloc[list_of_row_indices,:]`
- 访问一列：`data.iloc[:,column_index]`
- 访问多列：`data.iloc[:,list_of_column_indices]`
- 访问多行和多列：`data.iloc[list_of_row_indices,list_of_column_indices]`
- 使用切片：`data.iloc[row_start:row_end,column_start:column_end]`
- 使用布尔列表：`data.iloc[boolean_list,:]` 或 `data.iloc[:,boolean_list]`

需要注意的是，`data.iloc`使用的是位置索引，而不是标签索引。如果要使用标签索引，可以使用`data.loc`方法。

相关问题

inputs,output = data.iloc[:,0:2],data.iloc[:,2] inputs = inputs.fillna(inputs.mean()) 代码修正

这段代码的作用是将输入数据中的缺失值用该列的均值进行填充，修正后的代码如下：

inputs, output = data.iloc[:, 0:2], data.iloc[:, 2]
inputs = inputs.fillna(inputs.mean())

这里使用了 Pandas 库的 `fillna()` 方法，它能够将缺失值替换为指定的值。这里我们使用该列的均值来替换缺失值，从而避免了缺失值对模型训练的影响。

raw_data.isnull().sum() X = raw_data.iloc[:,0] # name of recordings y = raw_data.iloc[:,1] # instrument label (0-10)

这段代码用于检查数据中的缺失值，并且将原始数据集中的特征和标签分别存储在变量X和y中。具体来说，代码使用了raw_data.isnull().sum()方法来检查数据中的缺失值，该方法返回每个列中缺失值的数量。如果数据中存在缺失值，则输出结果会显示每个列中的缺失值数量。接下来，使用raw_data.iloc方法将原始数据集中的第一列存储在变量X中，将第二列存储在变量y中，这里假设第一列是音频文件名，第二列是标签（乐器类别）。iloc方法通过行号和列号对数据进行访问，:表示选择所有行，0表示选择第一列，1表示选择第二列。