pandas iloc[] 数字索引位置选择

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

.iloc[] 是纯整数位置为基础的位置选择索引，主要基于整数位置（从0到轴的长度-1），但也可以与布尔数组一起使用。DataFrame 和 Series 都支持这个方法。

用法

逻辑与 loc 类似，可以参考。

loc iloc

语法

对于 DataFrame 来说可以可以支持行和列两个元素:

pandas.DataFrame.iloc[row_index, column_index]

元素位置上为数据的数字索引，是纯整数，代表数据的位置，取值从 0 到轴的长度-1，但也可以与布尔数组一起使用。可以为以下形式：

一个整数，例如 5。
整数的列表或数组（list-like），如 [4, 3, 0].
具有整数的切片对象，例如 1:7.
布尔数组（list-like，值为 True 或者 False）
一个带有一个参数（调用 Series 或DataFrame）的可调用函数，它返回用于索引的有效输出（上述之一）。当您没有对调用对象的引用，但希望基于某个值进行选择时，这在方法链中非常有用

如果请求的索引器越界，.iloc 将引发 IndexError，但允许越界索引的切片索引器除外（这符合 python/numpy 切片语义）。

常用方法

单个标签:

# 代表索引，如果是字符需要加引号
df.loc[0] # 选择索引为 0 的行
df.loc[8]

单个列表标签：

df.loc[[0,5,10]] # 指定索引 0，5，10 的行
df.loc[['Eli', 'Ben']] # 如果索引是 name
# 真假选择，长度要和索引一样
df.loc[[False, True]*50] # 为真的列显示，隔一个显示一个

带标签的切片，包括起始和停止start:stop，可以其中只有一个，返回包括它们的数据：

df.loc[0:5] # 索引切片, 代表0-5行，包括5
df.loc['2010':'2014'] # 如果索引是时间可以用字符查询
df.loc[:] # 所有
# 本方法支持 Series

# 列筛选，必须有行元素：
dft.loc[:, ['Q1', 'Q2']] # 所有行，Q1 和 Q2两列
dft.loc[:, ['Q1', 'Q2']] # 所有行，Q1 和 Q2两列
dft.loc[:10, 'Q1':] # 0-10 行，Q1后边的所有列

案例

以下是一些案例：

mydict = [{'a': 1, 'b': 2, 'c': 3, 'd': 4},
          {'a': 100, 'b': 200, 'c': 300, 'd': 400},
          {'a': 1000, 'b': 2000, 'c': 3000, 'd': 4000 }]
df = pd.DataFrame(mydict)
df
'''
      a     b     c     d
0     1     2     3     4
1   100   200   300   400
2  1000  2000  3000  4000
'''

只为行编制索引，使用标量整数。

type(df.iloc[0])
# <class 'pandas.core.series.Series'>
df.iloc[0]
'''
a    1
b    2
c    3
d    4
Name: 0, dtype: int64
'''

一个整数列表。

df.iloc[[0]]
'''
   a  b  c  d
0  1  2  3  4
'''
type(df.iloc[[0]])
# <class 'pandas.core.frame.DataFrame'>
df.iloc[[0, 1]]
'''
     a    b    c    d
0    1    2    3    4
1  100  200  300  400
'''

使用切片对象。

df.iloc[:3]
'''
      a     b     c     d
0     1     2     3     4
1   100   200   300   400
2  1000  2000  3000  4000
'''

使用与索引长度相同的布尔掩码。

df.iloc[[True, False, True]]
'''
      a     b     c     d
0     1     2     3     4
2  1000  2000  3000  4000
'''

可调用变量，对于方法链很有用。传递给 lambda 的 x 是正在切片的数据帧。这将选择索引标签为偶数的行。

df.iloc[lambda x: x.index % 2 == 0]
'''
      a     b     c     d
0     1     2     3     4
2  1000  2000  3000  4000
'''

接下来看看两个轴的索引，可以混合索引和列的索引器类型。使用：选择整个轴，用标量整数。

df.iloc[0, 1]
# 2

整数列表

df.iloc[[0, 2], [1, 3]]
'''
      b     d
0     2     4
2  2000  4000
'''

使用切片对象。

df.iloc[1:3, 0:3]
'''
      a     b     c
1   100   200   300
2  1000  2000  3000
'''

使用长度与列匹配的布尔数组。

df.iloc[:, [True, False, True, False]]
'''
      a     c
0     1     3
1   100   300
2  1000  3000
'''

一个需要Series或DataFrame的可调用函数。

df.iloc[:, lambda df: [0, 2]]
'''
      a     c
0     1     3
1   100   300
2  1000  3000
'''

支持对象

可以调用 iloc[] 的对象还有以下对象：

pandas.DataFrame.iloc
pandas.Series.iloc

pandas iloc[] 数字索引位置选择

用法

语法

常用方法

案例

支持对象

相关内容