data.iloc用法

`data.iloc`是 pandas 库中的一个方法，用于通过位置选择和访问 DataFrame 或 Series 中的数据。`iloc`是通过整数位置来选择数据，类似于 Python 中的索引。可以使用以下语法调用 `iloc` 方法：

- `data.iloc[row_index, column_index]`：选择 DataFrame 或 Series 中的特定行和列。
- `data.iloc[row_index]`：选择 DataFrame 中的特定行。
- `data.iloc[:, column_index]`：选择 DataFrame 中的特定列。

其中，`row_index` 和 `column_index` 可以是整数、整数列表或整数范围。例如，要选择 DataFrame 中的第一行和第一列，可以使用以下代码：

data.iloc[0, 0]

要选择前三行和前两列，可以使用以下代码：

data.iloc[0:3, 0:2]

要选择第一列的所有行，可以使用以下代码：

data.iloc[:, 0]

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。