基于位置的純基于整數位置的索引。
.iloc[]主要基于整數位置(來自0至length-1軸),但也可以與布爾數組一起使用。
python怎么安裝pandas?允許的輸入為:
整數,例如5。
整數列表或數組,例如[4, 3, 0]。
python re,具有整數的切片對象,例如1:7。
布爾數組。
A callable帶有一個參數(調用Series或DataFrame)的函數,并且返回用于索引的有效輸出(上述之一)。當您沒有對調用對象的引用但希望基于某個值進行選擇時,這在方法鏈中很有用。
python 類。.iloc將提高IndexError如果請求的索引器超出范圍,則切片索引器除外,該索引器允許超出范圍的索引(這與python /numpy slice語義一致)。
更多信息請訪問按位置選擇。
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
僅索引行
帶標量整數。
>>> type(df.iloc[0])
>>> df.iloc[0]
a 1
b 2
c 3
d 4
Name:0, dtype:int64
帶有整數列表。
>>> df.iloc[[0]]
a b c d
0 1 2 3 4
>>> type(df.iloc[[0]])
>>> df.iloc[[0, 1]]
a b c d
0 1 2 3 4
1 100 200 300 400
用slice Object 。
>>> df.iloc[:3]
a b c d
0 1 2 3 4
1 100 200 300 400
2 1000 2000 3000 4000
布爾掩碼與索引的長度相同。
>>> df.iloc[[True, False, True]]
a b c d
0 1 2 3 4
2 1000 2000 3000 4000
具有可調用性,在方法鏈中很有用。的x傳遞給lambda是要切片的DataFrame。這將選擇其索引標簽為偶數的行。
>>> df.iloc[lambda x: x.index % 2 == 0]
a b c d
0 1 2 3 4
2 1000 2000 3000 4000
索引兩個軸
您可以混合使用索引和列的索引器類型。利用:選擇整個軸。
帶標量整數。
>>> df.iloc[0, 1]
2
帶有整數列表。
>>> df.iloc[[0, 2], [1, 3]]
b d
0 2 4
2 2000 4000
用slice對象。
>>> df.iloc[1:3, 0:3]
a b c
1 100 200 300
2 1000 2000 3000
具有長度與列匹配的布爾數組。
>>> df.iloc[:, [True, False, True, False]]
a c
0 1 3
1 100 300
2 1000 3000
具有期望Series或DataFrame的可調用函數。
>>> df.iloc[:, lambda df: [0, 2]]
a c
0 1 3
1 100 300
2 1000 3000
版权声明:本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。
工作时间:8:00-18:00
客服电话
电子邮件
admin@qq.com
扫码二维码
获取最新动态