Python中Pandas iloc 切片技巧详解

---

iloc是Pandas库中用于位置索引的方法，它允许根据行和列的位置来选择数据。

iloc的基本语法如下：

data.iloc[行位置,?列位置]

其中，行位置和列位置可以是整数、整数列表、切片或布尔值数组。

---

一. 基本的iloc切片

1. 选择特定的行和列

要选择特定的行和列，只需指定它们的位置。例如，选择第一行和第二列的数据：

import?pandas?as?pd

data?=?pd.DataFrame({'A':?[1,?2,?3],?'B':?[4,?5,?6],?'C':?[7,?8,?9]})
result?=?data.iloc[0,?1]
print(result)??#?输出:?4

2. 切片多行或多列

可以使用切片操作选择多行或多列。例如，选择前两行和前两列的数据：

result?=?data.iloc[:2,?:2]
print(result)
#?输出:
#????A??B
#?0??1??4
#?1??2??5

二. 使用整数列表

?选择特定的行和列

使用整数列表，可以选择特定的行和列。例如，选择第一行和第三行，以及第二列和第三列的数据：

result?=?data.iloc[[0,?2],?[1,?2]]
print(result)
#?输出:
#????B??C
#?0??4??7
#?2??6??9

三. 使用布尔值数组

1. 根据条件选择数据

iloc还可以与布尔值数组一起使用，以根据条件选择数据。例如，选择满足条件的行：

condition?=?data['A']?>?1
result?=?data.iloc[condition]
print(result)
#?输出:
#????A??B??C
#?1??2??5??8
#?2??3??6??9

2. 设置值

还可以使用iloc来设置特定位置的值。例如，将第一行、第二列的值设置为100：

data.iloc[0,?1]?=?100
print(data)
#?输出:
#?????A????B??C
#?0???1??100??7
#?1???2????5??8
#?2???3????6??9

四. 列的切片

除了对行进行切片，iloc还允许对列进行切片。这对于选择特定的数据列非常有用。以下是一些示例代码：

1. 选择连续的列

可以使用切片来选择连续的列。例如，选择第一列到第三列的数据：

result?=?data.iloc[:,?0:3]??#?选择所有行的第1列到第3列（包括第3列）
print(result)

2. 选择不连续的列

如果想选择不连续的列，可以使用整数列表。例如，选择第一列和第三列的数据：

result?=?data.iloc[:,?[0,?2]]??#?选择所有行的第1列和第3列
print(result)

五. 切片的进阶用法

iloc还支持更复杂的切片操作，包括条件筛选、跳跃切片和逆序切片。以下是一些示例代码：

1. 根据条件筛选

可以使用条件表达式来筛选数据。例如，选择'A'列中大于2的行：

result?=?data.iloc[data['A']?>?2]
print(result)

2. 跳跃切片

跳跃切片是选择不连续行和列的一种方法。例如，选择第1、3、5行和第2、4列的数据：

result?=?data.iloc[::2,?1::2]
print(result)

3. 逆序切片

如果需要逆序选择行或列，可以使用负数索引。例如，选择倒数第二行和倒数第二列到最后一列的数据：

result?=?data.iloc[-2,?-2:]
print(result)

六. 总结

通过本文中介绍的详细内容和丰富的示例代码，现在应该更加了解Python中Pandas库的iloc切片技巧。iloc是一个强大的工具，能够根据位置轻松选择和操作数据，包括选择特定的行和列、使用整数列表、使用布尔值数组、设置值以及对连续和不连续的行和列进行切片操作。熟练掌握这些技巧可以更加灵活地处理和分析DataFrame中的数据，满足各种数据处理需求。无论是初学者还是有经验的数据分析师，这些技巧都将帮助大家更好地利用Pandas库进行数据操作和分析。

如果你觉得文章还不错，请大家 点赞、分享、留言 下，因为这将是我持续输出更多优质文章的最强动力！