Pandas中iloc与apply函数的高级用法

iloc 和 apply 是 Pandas 库中非常有用的两个函数，它们可以帮助我们更高效地处理数据

1. iloc：根据整数索引选择数据。iloc 可以帮助我们根据行号和列号选择数据。例如，我们可以使用 iloc 获取 DataFrame 的前 n 行、特定范围的行或者特定范围的列等。

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

# 获取前两行
first_two_rows = df.iloc[:2]

# 获取第一列
first_column = df.iloc[:, 0]

# 获取第二行到第四行（不包括第四行）
second_to_fourth_rows = df.iloc[1:4]

2. apply：对 DataFrame 或 Series 应用函数。apply 可以帮助我们对 DataFrame 或 Series 中的每个元素、每行或每列应用自定义函数。这使得我们可以在整个数据集上执行复杂的操作。

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

# 对每个元素求平方
squared_df = df.apply(lambda x: x**2)

# 对每行求和
row_sums = df.apply(lambda row: row.sum(), axis=1)

# 对每列求乘积
column_products = df.apply(lambda col: col.prod(), axis=0)

结合 iloc 和 apply 的高级用法，我们可以在 Pandas 中执行更复杂的数据操作。例如，我们可以使用 iloc 选择特定范围的数据，然后使用 apply 对这些数据应用自定义函数。

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

# 对第二行到第四行（不包括第四行）的每个元素求平方
squared_rows = df.iloc[1:4].apply(lambda x: x**2)

# 对第一列的每个元素加 1
column_a_plus_one = df.iloc[:, 0].apply(lambda x: x + 1)

通过熟练掌握 iloc 和 apply 的高级用法，你将能够更高效地处理 Pandas 中的数据。