iloc 是 pandas 库中 DataFrame 的一个属性，用于基于整数位置的索引
以下是使用 iloc 进行复杂索引操作的一些示例：
import pandas as pd
# 创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)
# 使用 iloc 选择第 0 行和 'A' 列
result = df.iloc[0, 0]
print(result) # 输出：1
import pandas as pd
# 创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)
# 使用 iloc 选择第 0 行和第 1 行，'A' 列和 'B' 列
result = df.iloc[[0, 1], [0, 1]]
print(result)
# 输出：
# A B
# 0 1 4
# 1 2 5
import pandas as pd
# 创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)
# 使用 iloc 选择第 0 行到第 1 行，'A' 列和 'B' 列
result = df.iloc[0:2, 0:2]
print(result)
# 输出：
# A B
# 0 1 4
# 1 2 5
import pandas as pd
# 创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)
# 使用 iloc 选择 'A' 列中值大于 1 的行
result = df.iloc[df['A'] > 1]
print(result)
# 输出：
# A B C
# 1 2 5 8
# 2 3 6 9
这些示例展示了如何在 pandas DataFrame 中使用 iloc 进行复杂索引操作。你可以根据需要组合这些操作以满足你的需求。
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。
