iloc函数操作Pandas数据技巧

iloc 是 Pandas 中的一个重要功能，用于基于整数索引在 DataFrame 或 Series 上进行索引和切片

1. 选择单个元素：

import pandas as pd

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

# 使用 iloc 获取第 1 行（索引为 0），第 1 列（索引为 1）的元素
element = df.iloc[0, 1]
print(element)  # 输出 4

2. 选择多行：

import pandas as pd

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

# 使用 iloc 获取前两行
rows = df.iloc[:2]
print(rows)

3. 选择多列：

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)

# 使用 iloc 获取第 1 列和第 3 列
columns = df.iloc[:, [0, 2]]
print(columns)

4. 使用布尔索引：

import pandas as pd

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

# 使用 iloc 根据条件筛选行
filtered_rows = df.iloc[df['A'] > 1]
print(filtered_rows)

5. 链式赋值：

import pandas as pd

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

# 使用 iloc 修改第 1 行，第 1 列的元素
df.iloc[0, 1] = 99
print(df)

6. 重置索引：

import pandas as pd

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

# 删除第一行
df = df.drop(0)

# 使用 iloc 重置索引
df.reset_index(drop=True, inplace=True)
print(df)

这些技巧可以帮助你更有效地使用 iloc 函数操作 Pandas 数据。