pandas.Series.iloc #

地产 系列。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