1 iloc[]函数作用
即对数据进行位置索引,从而在数据表中提取出相应的数据。
2 iloc函数使用
df.iloc[a,b],a是行索引(见表1),b是列索引(见表1)。
2.区别
loc和iloc索引的行列标签类型不同。
iloc使用顺序数字来索引数据,而不能使用字符型的标签来索引数据;注意:这里的顺序数字是指从0开始计数!
loc使用实际设置的索引来索引数据。但行列名为数字时,loc也可以索引数字,但这里的数字不一定从0开始编号,是对应具体行列名的数字!
df.iloc[a,b],
其中df是DataFrame数据结构的数据,a是行索引(从0开始),b是列索引(从0开始),df.iloc[1,2]表示第二行第三列数据格的数据。以下行列均从第0行第0列开始。
iloc[a:b,c]是指a行到b-1行,第c列的数据,iloc[0:2,2]是0-1行,第2列数据。需要注意的是iloc[a:b,c]输出的是series结构的数据,iloc[a:b,c].values是ndarray的数据。
iloc[a:b,:]或者df.iloc[0:2]是指a行到b-1行,所有列的数据。
iloc[a:b,c:d]是指a行到b-1行,c列第d-1的数据。
iloc[a]是指a行,所有列的数据
import pandas as pd
import numpy as np
import pandas as pd
import numpy as np
a = np.arange(12).reshape(3,4)
#将a转化为DataFrame类型
df = pd.DataFrame(a)
#展示df
df
# 0 1 2 3
# 0 0 1 2 3
# 1 4 5 6 7
# 2 8 9 10 11
# 索引为一个数,默认输出行
print(df.loc[0])#输出第0行元素
print(df.iloc[0])#输出第0行元素
# 0 0
# 1 1
# 2 2
# 3 3
# Name: 0, dtype: int32
# 0 0
# 1 1
# 2 2
# 3 3
# Name: 0, dtype: int32
#方式1
df.loc[:,0:2]#可把loc理解为遍历字符串类型,0:2则表示标签为0,1,2三列
#方式2
df.iloc[:,0:3]#iloc遍历的数数字,python中0:3对应0,1,和2
# 0 1 2
# 0 0 1 2
# 1 4 5 6
# 2 8 9 10
https://blog.csdn.net/weixin_42424208/article/details/121525540