iloc 是 pandas 库中 DataFrame 和 Series 对象的一个属性，它提供了基于整数位置的索引
以下是 iloc 的一些关键特性：
基于整数位置的索引：与 loc 不同，iloc 使用整数索引而不是标签。这意味着你可以通过行号和列号来访问数据，而不是通过标签。
切片支持：iloc 支持切片操作，允许你选择连续的行或列。例如，df.iloc[0:5, 2:4] 将选择第 0 到第 4 行（不包括第 5 行）和第 2 列到第 3 列（不包括第 4 列）。
布尔索引：iloc 还支持布尔索引，允许你根据条件选择行或列。例如，df.iloc[df['A'] > 0] 将选择列 ‘A’ 中值大于 0 的所有行。
整数数组索引：iloc 支持整数数组索引，允许你选择多个行或列。例如，df.iloc[[0, 2, 4], [1, 3]] 将选择第 0、2 和 4 行以及第 1 和 3 列。
链式赋值：iloc 支持链式赋值，允许你在一个操作中设置多个值。例如，df.iloc[0, 1] = 10 将设置第 0 行第 1 列的值为 10。
行和列的访问：iloc 提供了访问行和列的方法。例如，df.iloc[0] 将返回第 0 行，而 df.iloc[:, 1] 将返回第 1 列。
层次化索引：iloc 支持层次化索引，允许你在多层次的数据结构中进行索引。例如，df.iloc[0, 0] 将选择第 0 行第 0 列的值，而 df.iloc[0][0] 将选择第 0 行第 0 列的值。
总之，iloc 提供了一种基于整数位置的索引机制，使得在 pandas DataFrame 和 Series 对象中更容易地访问和操作数据。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
