pandas.DataFrame.iloc # 属性 数据框。iloc [来源] # 纯粹基于整数位置的索引,用于按位置选择。 自版本 2.2.0 起已弃用:从可调用对象返回元组已弃用。 .iloc[]主要是基于整数位置(从轴0到 length-1轴),但也可以与布尔数组一起使用。 允许的输入有: 一个整数,例如5。 整数列表或数组,例如。[4, 3, 0] 带有整数的切片对象,例如1:7. 一个布尔数组。 callable具有一个参数(调用 Series 或 DataFrame)并返回索引有效输出(上述之一)的函数。当您没有对调用对象的引用,但希望根据某个值进行选择时,这在方法链中非常有用。 行索引和列索引的元组。元组元素由上述输入之一组成,例如。(0, 1) .ilocIndexError如果请求的索引器越界,则将引发,但允许越界索引的切片索引器除外(这符合 python/numpy切片语义)。 更多信息请参见按位置选择。 也可以看看 DataFrame.iat快速整数位置标量访问器。 DataFrame.loc纯粹基于标签位置的索引器,用于按标签进行选择。 Series.iloc纯粹基于整数位置的索引,用于按位置选择。 例子 >>> mydict = [{'a': 1, 'b': 2, 'c': 3, 'd': 4}, ... {'a': 100, 'b': 200, 'c': 300, 'd': 400}, ... {'a': 1000, 'b': 2000, 'c': 3000, 'd': 4000}] >>> df = pd.DataFrame(mydict) >>> df a b c d 0 1 2 3 4 1 100 200 300 400 2 1000 2000 3000 4000 仅对行建立索引 带有一个标量整数。 >>> type(df.iloc[0]) <class 'pandas.core.series.Series'> >>> df.iloc[0] a 1 b 2 c 3 d 4 Name: 0, dtype: int64 带有整数列表。 >>> df.iloc[[0]] a b c d 0 1 2 3 4 >>> type(df.iloc[[0]]) <class 'pandas.core.frame.DataFrame'> >>> df.iloc[[0, 1]] a b c d 0 1 2 3 4 1 100 200 300 400 使用切片对象。 >>> df.iloc[:3] a b c d 0 1 2 3 4 1 100 200 300 400 2 1000 2000 3000 4000 使用与索引长度相同的布尔掩码。 >>> df.iloc[[True, False, True]] a b c d 0 1 2 3 4 2 1000 2000 3000 4000 具有可调用性,在方法链中很有用。传递给 的x是lambda被切片的 DataFrame。这将选择索引标签为偶数的行。 >>> df.iloc[lambda x: x.index % 2 == 0] a b c d 0 1 2 3 4 2 1000 2000 3000 4000 对两个轴进行索引 您可以混合索引和列的索引器类型。用于:选择整个轴。 使用标量整数。 >>> df.iloc[0, 1] 2 带有整数列表。 >>> df.iloc[[0, 2], [1, 3]] b d 0 2 4 2 2000 4000 与切片对象。 >>> df.iloc[1:3, 0:3] a b c 1 100 200 300 2 1000 2000 3000 使用长度与列匹配的布尔数组。 >>> df.iloc[:, [True, False, True, False]] a c 0 1 3 1 100 300 2 1000 3000 使用需要 Series 或 DataFrame 的可调用函数。 >>> df.iloc[:, lambda df: [0, 2]] a c 0 1 3 1 100 300 2 1000 3000