Python中iloc的高级用法

iloc 是 pandas 库中 DataFrame 的一个属性，用于基于整数索引的行和列的位置进行索引

1. 切片操作：

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）
result = df.iloc[0:2]
print(result)

2. 布尔索引：

import pandas as pd

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

# 选择A列值大于1的行
result = df.iloc[df['A'] > 1]
print(result)

3. 使用 numpy 数组进行索引：

import pandas as pd
import numpy as np

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

# 选择第0行和第2行
rows = np.array([0, 2])
result = df.iloc[rows]
print(result)

4. 使用列表进行多列选择：

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)

# 选择A列和C列
columns = ['A', 'C']
result = df.iloc[:, columns]
print(result)

5. 使用 at 和 iat 访问单个元素：

import pandas as pd

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

# 获取第0行A列的元素
element_a = df.iat[0, 0]
print(element_a)

# 获取第1行B列的元素
element_b = df.iat[1, 1]
print(element_b)

这些高级用法可以帮助你更有效地使用 iloc 进行数据操作。