iloc与数据框切片操作的最佳实践

在Pandas中，iloc是基于整数位置的索引器，用于通过整数索引对DataFrame进行切片

1. 使用iloc时，确保你了解数据的形状。在切片之前，可以使用shape属性查看数据的行数和列数。

import pandas as pd

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

2. 使用:表示选择所有行或列。例如，要选择第0列到第1列（不包括第2列），可以使用iloc[:, 0:2]。

selected_columns = df.iloc[:, 0:2]

3. 使用整数列表选择特定的行或列。例如，要选择第0行和第2行，可以使用iloc[[0, 2], :]。

selected_rows = df.iloc[[0, 2], :]

4. 结合使用iloc和条件语句进行过滤。例如，要选择列’A’中值大于1的行，可以使用iloc结合布尔索引。

filtered_data = df.iloc[df['A'] > 1, :]

5. 避免使用链式赋值。这可能会导致不可预测的结果，因为链式赋值可能会修改原始数据。例如，避免这样的操作：df.iloc[0, 1]['A'] = 99。应该分两步进行：首先，获取需要修改的单元格；然后，对其进行赋值。

cell_value = df.iloc[0, 1]
df.at[cell_value, 'A'] = 99

6. 当使用iloc进行赋值时，确保赋值的数据形状与所选区域相匹配。否则，可能会出现错误或意外结果。

遵循这些最佳实践，可以确保在使用iloc进行数据框切片操作时获得正确且可预测的结果。