在Pandas中，iloc是基于位置的索引方式，它允许我们通过行号和列号来选择数据
import pandas as pd
import numpy as np
data = {'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8], 'C': [9, 10, 11, 12]}
df = pd.DataFrame(data)
使用iloc进行数据清洗：
df_cleaned = df.drop(df.iloc[1]) # 删除第二行
df_cleaned = df.drop(columns=df.columns[1]) # 删除第二列（B列）
df.iloc[1, 1] = 99 # 将第二行第二列的值修改为99
df_filtered = df.iloc[1:3, 1:3] # 筛选第二行到第三行，第二列到第三列的数据
df.iloc[1:3, 1:3] = df.iloc[1:3, 1:3] * 2 # 将第二行到第三行，第二列到第三列的数据乘以2
通过这些示例，你可以看到如何在数据清洗流程中结合使用iloc和Pandas。在实际应用中，你可能需要根据数据集的特点和需求进行更复杂的数据处理。
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。
