iloc如何配合数据聚合

iloc 是 pandas 库中的一个函数，用于基于整数索引在 DataFrame 或 Series 上进行索引和切片

以下是一些使用 iloc 进行数据聚合的示例：

1. 计算特定列的总和：

import pandas as pd

# 创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)

# 使用 iloc 计算第二列（索引为 1 的列）的总和
column_sum = df.iloc[:, 1].sum()
print("Column B sum:", column_sum)

2. 计算特定行的平均值：

import pandas as pd

# 创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)

# 使用 iloc 计算第二行（索引为 1 的行）的平均值
row_mean = df.iloc[1, :].mean()
print("Row 2 mean:", row_mean)

3. 对特定范围内的数据进行分组求和：

import pandas as pd

# 创建一个示例 DataFrame
data = {'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8], 'C': [9, 10, 11, 12]}
df = pd.DataFrame(data)

# 使用 iloc 对第二列到第三列（索引为 1 到 2 的列）进行分组求和
group_sum = df.iloc[:, 1:3].sum(axis=1)
print("Group sum:\n", group_sum)

这些示例展示了如何使用 iloc 配合数据聚合操作。请注意，iloc 的语法为 df.iloc[rows, columns]，其中 rows 和 columns 分别表示行和列的索引范围。在处理复杂的数据聚合任务时，可能需要结合其他 pandas 函数（如 groupby、pivot_table 等）来实现所需功能。