pandas iloc -1 详解

pandas iloc -1 详解

参考：pandas iloc -1

在数据分析过程中，经常需要对数据进行索引和切片操作。Pandas 是一个强大的 Python 数据分析工具库，它提供了多种方式来选择和操作数据。本文将详细介绍 Pandas 中的 iloc 函数，特别是如何使用 iloc 进行索引操作，以及如何利用 -1 这个索引来选择数据。

1. 理解 iloc

iloc 是 Pandas DataFrame 和 Series 中的一个属性，用于基于整数位置的索引。它允许用户通过指定行和列的位置（从 0 开始计数）来快速访问和操作数据。

示例代码 1：创建 DataFrame

import pandas as pd

data = {
    'Column1': [1, 2, 3, 4],
    'Column2': ['pandasdataframe.com', 'example2', 'example3', 'example4']
}
df = pd.DataFrame(data)

print(df)

Output:

示例代码 2：使用 iloc 选择第一行

import pandas as pd

data = {
    'Column1': [1, 2, 3, 4],
    'Column2': ['pandasdataframe.com', 'example2', 'example3', 'example4']
}
df = pd.DataFrame(data)
print(df.iloc[0])

Output:

2. 使用 -1 进行索引

在 Python 中，负数索引用于从列表的末尾开始计数。在 Pandas 的 iloc 中，使用 -1 可以选择最后一行或列。

示例代码 3：使用 iloc 选择最后一行

import pandas as pd

data = {
    'Column1': [1, 2, 3, 4],
    'Column2': ['pandasdataframe.com', 'example2', 'example3', 'example4']
}
df = pd.DataFrame(data)
print(df.iloc[-1])

Output:

示例代码 4：使用 iloc 选择最后一列

import pandas as pd

data = {
    'Column1': [1, 2, 3, 4],
    'Column2': ['pandasdataframe.com', 'example2', 'example3', 'example4']
}
df = pd.DataFrame(data)
print(df.iloc[:, -1])

Output:

3. iloc 与切片操作

iloc 支持切片操作，这使得选择多行或多列变得非常简单。

示例代码 5：使用 iloc 进行行切片

import pandas as pd

data = {
    'Column1': [1, 2, 3, 4],
    'Column2': ['pandasdataframe.com', 'example2', 'example3', 'example4']
}
df = pd.DataFrame(data)
print(df.iloc[1:3])

Output:

示例代码 6：使用 iloc 进行列切片

import pandas as pd

data = {
    'Column1': [1, 2, 3, 4],
    'Column2': ['pandasdataframe.com', 'example2', 'example3', 'example4']
}
df = pd.DataFrame(data)
print(df.iloc[:, 0:2])

Output:

4. iloc 与布尔索引

iloc 通常用于整数位置索引，但它也可以与布尔数组结合使用，以进行更复杂的数据选择。

示例代码 7：结合布尔索引使用 iloc

import pandas as pd

data = {
    'Column1': [1, 2, 3, 4],
    'Column2': ['pandasdataframe.com', 'example2', 'example3', 'example4']
}
df = pd.DataFrame(data)
condition = df['Column1'] > 2
print(df.iloc[condition.values])

Output:

5. iloc 与复合条件

可以使用复合条件进行更精确的数据选择。

示例代码 8：使用复合条件与 iloc

import pandas as pd

data = {
    'Column1': [1, 2, 3, 4],
    'Column2': ['pandasdataframe.com', 'example2', 'example3', 'example4']
}
df = pd.DataFrame(data)
print(df.iloc[(df['Column1'] > 2).values])

Output:

6. 错误和常见问题

使用 iloc 时，如果索引超出了数据框的范围，将会引发 IndexError。此外，使用非整数标签进行索引也会引发 TypeError。

示例代码 9：处理 IndexError

import pandas as pd

data = {
    'Column1': [1, 2, 3, 4],
    'Column2': ['pandasdataframe.com', 'example2', 'example3', 'example4']
}
df = pd.DataFrame(data)
try:
    print(df.iloc[10])
except IndexError as e:
    print("IndexError:", e)

Output:

示例代码 10：处理 TypeError

import pandas as pd

data = {
    'Column1': [1, 2, 3, 4],
    'Column2': ['pandasdataframe.com', 'example2', 'example3', 'example4']
}
df = pd.DataFrame(data)
try:
    print(df.iloc['first'])
except TypeError as e:
    print("TypeError:", e)

Output:

结论

本文详细介绍了 Pandas 的 iloc 属性，展示了如何使用它进行基于位置的索引，以及如何利用 -1 进行反向索引。通过多个示例代码，我们展示了 iloc 的多种用法，包括与切片操作和布尔索引的结合使用。