.iloc 是 Pandas 庫中 DataFrame 和 Series 對象的一個屬性，用于基于整數(shù)位置的索引來選擇數(shù)據(jù)。與基于標簽的 .loc 索引不同，.iloc 使用從 0 開始的整數(shù)位置來訪問行和列。這對于處理需要按位置而不是按標簽選擇數(shù)據(jù)的場景非常有用。

基本用法

1. 選擇單行或單列：
   • 使用單個整數(shù)來選擇單行或單列。
   • 例如，df.iloc[0] 選擇第一行，df.iloc[:, 0] 選擇第一列。
2. 選擇多行或多列：
   • 使用整數(shù)列表或切片來選擇多行或多列。
   • 例如，df.iloc[0:3] 選擇前三行，df.iloc[:, 0:2] 選擇前兩列。
3. 選擇特定位置的元素：
   • 使用兩個整數(shù)來選擇特定位置的單個元素。
   • 例如，df.iloc[0, 0] 選擇第一行第一列的元素。
4. 布爾索引結(jié)合使用：
   • 可以與布爾數(shù)組結(jié)合使用來選擇特定條件的行。
   • 例如，df.iloc[df['column_name'] > value] 選擇滿足條件的行（雖然這更常用 .loc 來實現(xiàn)）。

代碼示例

設一個 DataFrame df ：

import pandas as pd  
  
data = {  
    'A': [1, 2, 3, 4],  
    'B': [5, 6, 7, 8],  
    'C': [9, 10, 11, 12]  
}  
df = pd.DataFrame(data)

 選擇第一行

print(df.iloc[0])

 輸出

A    1  
B    5  
C    9  
Name: 0, dtype: int64

選擇前兩列

print(df.iloc[:, 0:2])

輸出

A  B  
0  1  5  
1  2  6  
2  3  7  
3  4  8

選擇第一行第二列的元素

print(df.iloc[0, 1])

輸出

5

選擇第二和第四行

print(df.iloc[[1, 3]])

輸出

A  B   C  
1  2  6  10  
3  4  8  12

常見錯誤

df = pd.read_excel('0_data.xlsx', engine='openpyxl')
z1 = df[['z1_x', 'z1_y']]
print( z1[1])

使用 pandas 的 read_excel 函數(shù)從 Excel 文件 '0_data.xlsx' 中讀取數(shù)據(jù)，并將其存儲在 DataFrame df 中。接著從 df 中選擇了不同的列來創(chuàng)建新的 DataFrame 或 Series 對象：z1 包含 'z1_x' 和 'z1_y' 列。

然而，在打印 z1[1] 時，z1[1] 實際上并不會打印出 z1 DataFrame 中的第二行（在 pandas 中，索引通常是從 0 開始的）。相反，z1[1] 會嘗試基于列標簽來選擇數(shù)據(jù)，因為傳遞了一個整數(shù)給 DataFrame 的 __getitem__ 方法，而該方法首先會嘗試將其解釋為列標簽（如果它看起來像是一個有效的列名或可以被解釋為列名的某種形式）。

但是，因為 1 不是一個有效的列名，所以這里的行為實際上取決于 pandas 的版本和內(nèi)部實現(xiàn)——在某些情況下，它可能會拋出一個錯誤，而在其他情況下，它可能會嘗試將整數(shù)解釋為位置索引（盡管這通常不是推薦的做法，因為它可能會導致混淆）。

要正確地按位置索引選擇 DataFrame 中的行，應該使用 .iloc 屬性，如下所示：

print(z1.iloc[1])

這將打印出 z1 DataFrame 中的第二行（索引為 1 的行）。

如果 Excel 文件中的列名確實包含空格或特殊字符（比如 la1 和 la2），并且在代碼中也是按原樣引用的這些列名，需要確保 Excel 文件中的列名與在代碼中使用的完全匹配（包括大小寫）。

到此這篇關于Pandas中DataFrame中.iloc 屬性的文章就介紹到這了,更多相關DataFrame中.iloc 屬性內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論