第一种 整数做索引
第二种 列表或数组做索引
第三种 利用切片做索引
第四种 Boolean数组做索引
第五种 带一个参数的可调用函数做索引
今天学习时遇到了这个方法,为了加深理解做一下笔记。
这是该方法的文档,从中可以看出,中括号里允许输入可情形有5种。
此外,iloc方法既可以索引行数据,也可以列数据。
//首先创建DataFrame
import pandas as pd
import numpy as np
df = pd.DataFrame({'城市':['北京','广州', '天津', '上海', '杭州', '成都', '澳门', '南京'],
'平均收入':[10000, 10000, 5000, 5002, 40000, 50000, 8000, 5000],
'人口':[500, 400, 300, 400, 250, 250, 405, 360]})
数据如下
第一种 整数做索引// 索引第2行
df.iloc[1]
// 索引第2行第3列
df.iloc[1,2]
第二种 列表或数组做索引
// 索引2、3两行数据
df.iloc[[1,2]]
// 索引2、3两行数据的前两列
df.iloc[[1,2],[0,1]]
第三种 利用切片做索引
// 索引前5行数据的前两列
df.iloc[0:5,0:2]
// 和切片原理一样,2是步长
df.iloc[0:8:2]
第四种 Boolean数组做索引
// True 为显示,False为不显示
df.iloc[[True, False, True, False, True, False, True, False],[True, False, True]]
注意:此时Boolean数组的长度需对应df的行列数
此外还可以这样用
df.iloc[:,df.columns!='人口']
第五种 带一个参数的可调用函数做索引
// A code block
df.iloc[lambda x: x.index + 2 < 8 ]
到此这篇关于pandas.DataFrame.iloc的具体使用详解的文章就介绍到这了,更多相关pandas.DataFrame.iloc的使用内容请搜索易知道(ezd.cc)以前的文章或继续浏览下面的相关文章希望大家以后多多支持易知道(ezd.cc)!