pandas.DataFrame.iloc#

property DataFrame.iloc[源]#

纯粹基于整数位置的索引，用于按位置选择。

版本 3.0 中已更改： 返回元组的可调用对象已被弃用作为输入。

.iloc[] 主要基于整数位置（从轴的 0 到 length-1），但也可用于布尔数组。

允许的输入包括：

  • 一个整数，例如 5。

  • 一个整数列表或数组，例如 [4, 3, 0]。

  • 一个带有整数的切片对象，例如 1:7。

  • A boolean array.

  • 一个 callable 函数，带有一个参数（调用它的 Series 或 DataFrame），并返回有效的索引输出（上述之一）。这在方法链中很有用，当您没有对调用对象的引用时，但想根据某些值进行选择。

  • 行和列索引的元组。元组元素由上述输入之一组成，例如 (0, 1)。

.iloc 将引发 IndexError，如果请求的索引超出边界，但 *切片* 索引允许超出边界的索引（这符合 python/numpy *切片* 的语义）。

更多信息请参阅 按位置选择。

另请参阅

DataFrame.iat

快速整数位置标量访问器。

DataFrame.loc

纯粹基于标签位置的索引器，用于按标签选择。

Series.iloc

纯粹基于整数位置的索引，用于按位置选择。

示例

>>> 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

仅索引行

使用标量整数。

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

使用整数列表。

>>> df.iloc[[0]]
   a  b  c  d
0  1  2  3  4
>>> type(df.iloc[[0]])
<class 'pandas.DataFrame'>

>>> df.iloc[[0, 1]]
     a    b    c    d
0    1    2    3    4
1  100  200  300  400

使用 slice 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

使用可调用对象，在方法链中很有用。传递给 lambda 的 x 是正在切片的 DataFrame。这会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

同时索引两个轴

您可以混合使用索引和列的索引器类型。使用 : 选择整个轴。

使用标量整数。

>>> df.iloc[0, 1]
np.int64(2)

使用整数列表。

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

使用 slice 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

使用期望 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
本页内容