Python Pandas DataFrame iloc屬性用法及代碼示例

例子

考慮以下 DataFrame ：

df = pd.DataFrame({"A":[1,2,3], "B":[4,5,6]}, index=["a","b","c"])
df



   A  B
a  1  4
b  2  5
c  3  6

訪問單行

要訪問第二行：

df.iloc[1]



A    2
B    5
Name: 1, dtype: int64

由於我們在 [] 中有一個標量，因此這裏的返回類型是 Series 。

訪問行的子集

要訪問位置 0 和 2 處的行：

df.iloc[[0,2]]



   A  B
a  1  4
c  3  6

由於我們在 [] 中有一個列表，因此這裏的返回類型是 DataFrame 。

使用切片語法訪問行

作為參考，我們再次在此處顯示df：

df



   A  B
a  1  4
b  2  5
c  3  6

切片的工作方式與 Python 標準列表的工作方式類似。

要訪問從位置 0(含)到位置 2(不包括)的行：

df.iloc[0:2]



   A  B
a  1  4
b  2  5

如果您不指定起點(例如 [:2] )或終點(例如 [1:] )，則 iloc 將返回從開始或到結束的所有行。例如，要從索引 1 獲取所有行：

df.iloc[1:]



   A  B
b  2  5
c  3  6

使用布爾掩碼訪問行

我們也可以提供一個布爾掩碼(即類似數組的布爾結構)來獲取行。

為了供您參考，我們再次在此處顯示df：

df



   A  B
a  1  4
b  2  5
c  3  6

例如，考慮以下掩碼：

df.iloc[[False, True, False]]



   A  B
b  2  5

通過這種方法，將返回與 True 對應的所有行。由於位置0 和2 處的行對應於掩碼中的False，因此排除這些行。

請注意，布爾掩碼的長度必須與 DataFrame 中的行數相同。

使用函數訪問行

我們還可以將函數傳遞給 iloc 來指定要獲取的行。

為了供您參考，我們再次在此處顯示df：

df



   A  B
a  1  4
b  2  5
c  3  6

要獲取索引大於 "b" 的行：

df.iloc[lambda x: x.index > "b"]



   A  B
c  3  6

對於那些不熟悉 Python lambda 的人來說，該函數可以解釋如下：

def foo(x):                  # The naming here is irrelevant
   return x.index > "b"

在此，請注意以下事項：

• x 表示源 DataFrame，即 df 。

• 該函數返回一個布爾數組，其中將返回與 True 對應的行。

訪問單個值

我們還可以使用 iloc 訪問 DataFrame 中的單個值。

為了供您參考，我們再次在此處顯示df：

df



   A  B
a  1  4
b  2  5
c  3  6

要訪問位置 [1,1] 處的值：

df.iloc[1,1]



5

使用行和列訪問值

考慮以下 DataFrame ：

df = pd.DataFrame({"A":[1,2,3],"B":[4,5,6],"C":[7,8,9]}, index=["a","b","c"])
df



   A  B  C
a  1  4  7
b  2  5  8
c  3  6  9

使用數組

要訪問位於行位置 0 和 2 以及列位置 0 和 1 的子集：

df.iloc[[0,2], [0,1]]



   A  B
a  1  4
c  3  6

使用切片

您也可以在這裏使用切片語法：

df.iloc[1:, :2] 



   A  B
b  2  5
c  3  6

在這裏，我們正在獲取包括位置 1 在內的所有行，以及直到位置 2 處的列(不包括)的所有列。

使用布爾掩碼

布爾掩碼在這裏也起作用：

df.iloc[1:, [True, False, True]]



   A  C
b  2  8
c  3  9

在這裏，我們正在獲取包括位置 1 在內的所有行，以及與布爾掩碼中的 True 對應的列。在本例中，我們包括位置 0 和 2 處的列。

複製與查看

根據上下文，iloc 可以返回 view 或 copy 。不幸的是，返回的規則很複雜，因此最佳實踐是使用 _is_view 屬性親自檢查這一點。

有一條規則很容易記住——iloc返回看法提取單列時的數據：

df = pd.DataFrame({"A":[2,3], "B":[4,5]})
col_B = df.iloc[:,1]
col_B._is_view



True

由於 col_B 是一個視圖，因此修改 col_B 將會改變原始的 df 。

使用 iloc 更新值

考慮以下 DataFrame ：

df = pd.DataFrame({"A":[3,4], "B":[5,6]}, index=["a","b"])
df



   A  B
a  3  5
b  4  6

更新單個值

要更新行 1 、列 1 處的值：

df.iloc[1,1] = 10
df



   A  B
a  3  5
b  4  10

更新多個值

要更新多個值，隻需使用上述任何訪問模式，然後使用 = 分配新值。例如，要更新第二列：

df.iloc[:,1] = [9,10]
df



   A  B
a  3  9
b  4  10