DataFrame.iloc
纯粹基于整数位置的索引，用于按位置选择。
.iloc[] 主要是基于整数位置（从轴的0到长度-1），但也可以与布尔数组一起使用。
允许的输入:
- 整数, 例如，
5 - 整数的列表或数组, 例如，
[4, 3, 0] - 带有整数的切片对象, 例如，
1:7 - 布尔数组
- 具有一个参数（调用Series，DataFrame或Panel）的可调用函数，它返回索引的有效输出（上述之一）。 当您没有对调用对象的引用但希望将选择基于某个值时，这在方法链中很有用。
.iloc 如果请求的索引器超出范围，将引发IndexError，除了允许越界索引的切片索引器（这符合python / numpy切片语义）。
请参阅ref：按位置选择<indexing.integer>
例子，
>>> 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
1）仅对行进行索引
带标量整数
>>> type(df.iloc[0]) <class 'pandas.core.series.Series'> >>> df.iloc[0] a 1 b 2 c 3 d 4 Name: 0, dtype: int64
带有整数列表
>>> 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 布尔掩码的长度与索引的长度相同
>>> df.iloc[[True, False, True]]
a b c d
0 1 2 3 4
2 1000 2000 3000 4000选择索引为偶数的行
>>> df.iloc[lambda x: x.index % 2 == 0]
a b c d
0 1 2 3 4
2 1000 2000 3000 4000
2）索引两个轴
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
带有整数列表
>>> 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
Series的可调用函数或DataFrame
>>> df.iloc[:, lambda df: [0, 2]]
a c
0 1 3
1 100 300
2 1000 3000
3）使用示例
import pandas as pd
# 创建 DataFrame
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)
print("Initial DataFrame:")
print(df)
# 1) 仅对行进行索引
# 带标量整数
print("\nIndexing with scalar integer:")
print(type(df.iloc[0])) # <class 'pandas.core.series.Series'>
print(df.iloc[0])
# 带有整数列表
print("\nIndexing with integer list:")
print(df.iloc[[0]])
print(type(df.iloc[[0]])) # <class 'pandas.core.frame.DataFrame'>
print(df.iloc[[0, 1]])
# 使用切片对象
print("\nIndexing with slice object:")
print(df.iloc[:3])
# 布尔掩码的长度与索引的长度相同
print("\nIndexing with boolean mask:")
print(df.iloc[[True, False, True]])
# 选择索引为偶数的行
print("\nIndexing rows where index is even:")
print(df.iloc[lambda x: x.index % 2 == 0])
# 索引两个轴
# 用标量整数
print("\nIndexing with scalar integer for both axes:")
print(df.iloc[0, 1])
# 带有整数列表
print("\nIndexing with integer list for both axes:")
print(df.iloc[[0, 2], [1, 3]])
# 使用切片对象
print("\nIndexing with slice object for both axes:")
print(df.iloc[1:3, 0:3])
# 使用长度与列匹配的布尔数组
print("\nIndexing with boolean array for columns:")
print(df.iloc[:, [True, False, True, False]])
# 使用 Series 的可调用函数或 DataFrame
print("\nIndexing with callable for columns:")
print(df.iloc[:, lambda df: [0, 2]])