Pandas中iloc索引的进阶使用

iloc 是 Pandas 中基于整数位置的索引器，它允许我们通过整数索引访问 DataFrame 或 Series 的行和列

1. 选择多行：

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
selected_rows = df.iloc[[0, 1]]
print(selected_rows)

2. 选择多列：

import pandas as pd

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

# 选择第0列和第1列
selected_columns = df.iloc[:, [0, 1]]
print(selected_columns)

3. 切片行：

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）
sliced_rows = df.iloc[0:2]
print(sliced_rows)

4. 切片列：

import pandas as pd

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

# 选择第0列到第1列（不包括第2列）
sliced_columns = df.iloc[:, 0:2]
print(sliced_columns)

5. 使用布尔索引：

import pandas as pd

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

# 选择第0列中大于1的元素所在的行
bool_index = df.iloc[:, 0] > 1
selected_rows = df[bool_index]
print(selected_rows)

这些示例展示了 iloc 的一些进阶使用方法。通过组合使用切片、列表和布尔索引，你可以灵活地访问和操作 DataFrame 或 Series 的行和列。