Python Pandas iloc 索引器|极客教程

Python Pandas iloc 索引器

在Pandas库中，iloc索引器用于通过整数位置选择行和列。它提供了一种根据行和列的位置来选择数据的灵活方法。本文将详细介绍iloc索引器的基本用法和应用场景。

基本用法

在Pandas中，我们可以使用iloc索引器来选择特定的行和列。iloc的基本语法如下：

data.iloc[row_index, column_index]

其中，row_index和column_index可以是单个整数、整数列表或整数切片。下面是一些示例：

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3, 4, 5],
        'B': [6, 7, 8, 9, 10],
        'C': [11, 12, 13, 14, 15]}

df = pd.DataFrame(data)

# 使用iloc选择第一行和第二列
print(df.iloc[0, 1])
# Output: 6

# 使用iloc选择第一行和第二行
print(df.iloc[[0, 1]])
# Output:
#    A  B   C
# 0  1  6  11
# 1  2  7  12

# 使用iloc选择第一列和第二列
print(df.iloc[:, [0, 1]])
# Output:
#    A  B
# 0  1  6
# 1  2  7
# 2  3  8
# 3  4  9
# 4  5  10

整数位置索引

在iloc中使用的整数位置索引是从0开始的。这意味着第一行和第一列的索引为0，第二行和第二列的索引为1，依此类推。下面是一个示例：

# 使用iloc选择第一行和第一列
print(df.iloc[0, 0])
# Output: 1

# 使用iloc选择前两行和前两列
print(df.iloc[:2, :2])
# Output:
#    A  B
# 0  1  6
# 1  2  7

整数切片和整数列表

除了单个整数位置外，我们还可以使用整数切片和整数列表来选择特定的行和列。整数切片是指start:stop:step的形式，整数列表是指包含整数位置的列表。

# 使用整数切片选择第一行到第三行
print(df.iloc[0:3])
# Output:
#    A  B   C
# 0  1  6  11
# 1  2  7  12
# 2  3  8  13

# 使用整数列表选择第一列和第三列
print(df.iloc[:, [0, 2]])
# Output:
#    A   C
# 0  1  11
# 1  2  12
# 2  3  13
# 3  4  14
# 4  5  15

实际应用

iloc索引器在数据的选择和操作中非常有用。例如，当我们需要根据位置选择一部分数据进行分析时，iloc提供了方便和高效的方法。下面是一个简单的示例：

# 读取CSV文件
data = pd.read_csv('data.csv')

# 使用iloc选择前10行和前5列
subset = data.iloc[:10, :5]

# 打印所选数据
print(subset)

在上面的示例中，我们使用iloc选择了CSV文件中的前10行和前5列数据，并将其存储在变量subset中。这使得我们能够快速对这部分数据进行分析，而不必加载整个数据集。

总结

iloc索引器是Pandas库中强大和灵活的功能之一。它使得我们可以根据整数位置轻松选择数据的特定部分，从而提高数据分析的效率和准确性。

Python Pandas iloc 索引器