Python是進行數據分析的一種出色語言，主要是因為以數據為中心的Python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。
Pandas 提供了一種獨特的方法來從 DataFrame 中檢索行。當 DataFrame 的索引標簽不是數字序列0、1、2、3….n或用戶不知道索引標簽時，將使用Dataframe.iloc []方法。可以使用在 DataFrame 中不可見的虛構索引位置提取行。
用法：pandas.DataFrame.iloc[]
參數：
Index Position:行在整數或整數列表中的索引位置。
返回類型： DataFrame 或係列取決於參數
要下載代碼中使用的CSV，請點擊此處。
範例1：提取單行並與.loc []比較
在此示例中，通過.iloc []和.loc []方法提取相同的索引號行並進行比較。由於索引列默認情況下是數字列，因此索引標簽也將是整數。
# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv")
# retrieving rows by loc method
row1 = data.loc[3]
# retrieving rows by iloc method
row2 = data.iloc[3]
# checking if values are equal
row1 == row2
輸出：
如輸出圖像所示，兩種方法返回的結果相同。
範例2：使用索引提取多行
在此示例中，首先通過傳遞列表來提取多個行，然後通過傳遞整數來提取該範圍之間的行。之後，將兩個值進行比較。
# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv")
# retrieving rows by loc method
row1 = data.iloc[[4, 5, 6, 7]]
# retrieving rows by loc method
row2 = data.iloc[4:8]
# comparing values
row1 == row2輸出：
如輸出圖像所示，兩種方法返回的結果相同。除“大學”列中的值是NaN值外，所有值均為True。
相關用法
注：本文由純淨天空篩選整理自Kartikaybhutani大神的英文原創作品 Python | Extracting rows using Pandas .iloc[]。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。