Pandas中iloc索引方式详解

iloc 是 Pandas 库中的一个重要功能，它提供了基于整数位置的索引方式。与 loc 不同，iloc 不是基于标签的索引，而是基于行号和列号的索引。这使得 iloc 在处理大型数据集时非常高效，因为它避免了查找标签的开销。

以下是 iloc 的一些基本用法：

1. 选择单个元素：

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

# 选择第1行（从0开始计数）、第0列（从0开始计数）的元素
element = df.iloc[0, 0]
print(element)  # 输出：1

2. 选择多行多列：

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

# 选择第0行和第1行，第0列和第1列的元素
sub_df = df.iloc[[0, 1], [0, 1]]
print(sub_df)
# 输出：
#    A  B
# 0  1  4
# 1  2  5

3. 选择行切片：

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

# 选择第0行到第1行（不包括第2行）
sub_df = df.iloc[0:2]
print(sub_df)
# 输出：
#    A  B
# 0  1  4
# 1  2  5

4. 选择列切片：

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

# 选择第0列到第1列（不包括第2列）
sub_df = df.iloc[:, 0:2]
print(sub_df)
# 输出：
#    A  B
# 0  1  4
# 1  2  5
# 2  3  6

5. 选择行和列切片：

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

# 选择第0行到第1行（不包括第2行），第0列和第1列
sub_df = df.iloc[0:2, 0:2]
print(sub_df)
# 输出：
#    A  B
# 0  1  4
# 1  2  5

需要注意的是，iloc 的切片操作是左闭右开的，即选择的起始索引是包含在内的，而结束索引是不包含在内的。这与 Python 的切片操作相同。