您好,登錄后才能下訂單哦!
iloc
是 Pandas 中基于整數(shù)位置的索引器,它允許我們通過整數(shù)索引訪問 DataFrame 或 Series 的行和列
import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 選擇第0行和第1行
selected_rows = df.iloc[[0, 1]]
print(selected_rows)
import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)
# 選擇第0列和第1列
selected_columns = df.iloc[:, [0, 1]]
print(selected_columns)
import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 選擇第0行到第1行(不包括第2行)
sliced_rows = df.iloc[0:2]
print(sliced_rows)
import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)
# 選擇第0列到第1列(不包括第2列)
sliced_columns = df.iloc[:, 0:2]
print(sliced_columns)
import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 選擇第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)
這些示例展示了 iloc
的一些進(jìn)階使用方法。通過組合使用切片、列表和布爾索引,你可以靈活地訪問和操作 DataFrame 或 Series 的行和列。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。