极客笔记Pandas iloc用法
参考：pandas iloc
Pandas 是一个强大的数据处理库，它提供了许多用于数据处理和分析的功能。其中，iloc 是 Pandas 中的一个重要功能，它允许我们通过整数索引来访问和操作数据。
1. iloc 的基本用法
iloc 是基于位置的索引，它接受的是数据的物理位置，而不是标签。它的基本用法如下：
import pandas as pd
data = {
'Name': ['Tom', 'Nick', 'John', 'Tom'],
'Age': [20, 21, 19, 18],
'Email': ['tom@pandasdataframe.com', 'nick@pandasdataframe.com', 'john@pandasdataframe.com', 'tom@pandasdataframe.com']
}
df = pd.DataFrame(data)
# 使用 iloc 获取第一行数据
print(df.iloc[0])
Output:
在上面的示例中，我们首先创建了一个 DataFrame，然后使用 iloc 获取了第一行的数据。
2. 使用 iloc 获取多行数据
我们可以使用 iloc 获取多行数据，只需要传入一个包含行索引的列表即可：
import pandas as pd
data = {
'Name': ['Tom', 'Nick', 'John', 'Tom'],
'Age': [20, 21, 19, 18],
'Email': ['tom@pandasdataframe.com', 'nick@pandasdataframe.com', 'john@pandasdataframe.com', 'tom@pandasdataframe.com']
}
df = pd.DataFrame(data)
# 使用 iloc 获取第一行和第三行数据
print(df.iloc[[0, 2]])
Output:
在上面的示例中，我们使用 iloc 获取了第一行和第三行的数据。
3. 使用 iloc 获取单列数据
我们也可以使用 iloc 获取单列数据，只需要在 iloc 后面加上列索引即可：
import pandas as pd
data = {
'Name': ['Tom', 'Nick', 'John', 'Tom'],
'Age': [20, 21, 19, 18],
'Email': ['tom@pandasdataframe.com', 'nick@pandasdataframe.com', 'john@pandasdataframe.com', 'tom@pandasdataframe.com']
}
df = pd.DataFrame(data)
# 使用 iloc 获取第一列数据
print(df.iloc[:, 0])
Output:
在上面的示例中，我们使用 iloc 获取了第一列的数据。
4. 使用 iloc 获取多列数据
我们可以使用 iloc 获取多列数据，只需要在 iloc 后面加上包含列索引的列表即可：
import pandas as pd
data = {
'Name': ['Tom', 'Nick', 'John', 'Tom'],
'Age': [20, 21, 19, 18],
'Email': ['tom@pandasdataframe.com', 'nick@pandasdataframe.com', 'john@pandasdataframe.com', 'tom@pandasdataframe.com']
}
df = pd.DataFrame(data)
# 使用 iloc 获取第一列和第三列数据
print(df.iloc[:, [0, 2]])
Output:
在上面的示例中，我们使用 iloc 获取了第一列和第三列的数据。
5. 使用 iloc 获取单个数据
我们也可以使用 iloc 获取单个数据，只需要在 iloc 后面加上行索引和列索引即可：
import pandas as pd
data = {
'Name': ['Tom', 'Nick', 'John', 'Tom'],
'Age': [20, 21, 19, 18],
'Email': ['tom@pandasdataframe.com', 'nick@pandasdataframe.com', 'john@pandasdataframe.com', 'tom@pandasdataframe.com']
}
df = pd.DataFrame(data)
# 使用 iloc 获取第一行第一列的数据
print(df.iloc[0, 0])
Output:
在上面的示例中，我们使用 iloc 获取了第一行第一列的数据。
6. 使用 iloc 获取多个数据
我们可以使用 iloc 获取多个数据，只需要在 iloc 后面加上包含行索引和列索引的列表即可：
import pandas as pd
data = {
'Name': ['Tom', 'Nick', 'John', 'Tom'],
'Age': [20, 21, 19, 18],
'Email': ['tom@pandasdataframe.com', 'nick@pandasdataframe.com', 'john@pandasdataframe.com', 'tom@pandasdataframe.com']
}
df = pd.DataFrame(data)
# 使用 iloc 获取第一行第一列和第三行第三列的数据
print(df.iloc[[0, 2], [0, 2]])
Output:
在上面的示例中，我们使用 iloc 获取了第一行第一列和第三行第三列的数据。
7. 使用 iloc 进行数据切片
我们也可以使用 iloc 进行数据切片，只需要在 iloc 后面加上切片语法即可：
import pandas as pd
data = {
'Name': ['Tom', 'Nick', 'John', 'Tom'],
'Age': [20, 21, 19, 18],
'Email': ['tom@pandasdataframe.com', 'nick@pandasdataframe.com', 'john@pandasdataframe.com', 'tom@pandasdataframe.com']
}
df = pd.DataFrame(data)
# 使用 iloc 获取前两行的数据
print(df.iloc[:2])
Output:
在上面的示例中，我们使用 iloc 获取了前两行的数据。
8. 使用 iloc 进行数据修改
我们可以使用 iloc 进行数据修改，只需要将 iloc 定位到的数据赋值即可：
import pandas as pd
data = {
'Name': ['Tom', 'Nick', 'John', 'Tom'],
'Age': [20, 21, 19, 18],
'Email': ['tom@pandasdataframe.com', 'nick@pandasdataframe.com', 'john@pandasdataframe.com', 'tom@pandasdataframe.com']
}
df = pd.DataFrame(data)
# 使用 iloc 修改第一行第一列的数据
df.iloc[0, 0] = 'Jerry'
print(df)
Output:
在上面的示例中，我们使用 iloc 修改了第一行第一列的数据。
9. 使用 iloc 进行数据筛选
我们也可以使用 iloc 进行数据筛选，只需要在 iloc 后面加上条件语句即可：
import pandas as pd
data = {
'Name': ['Tom', 'Nick', 'John', 'Tom'],
'Age': [20, 21, 19, 18],
'Email': ['tom@pandasdataframe.com', 'nick@pandasdataframe.com', 'john@pandasdataframe.com', 'tom@pandasdataframe.com']
}
df = pd.DataFrame(data)
# 使用 iloc 筛选出年龄大于20的数据
print(df.iloc[df['Age']>20])
在上面的示例中，我们使用 iloc 筛选出了年龄大于20的数据。
总结起来，iloc 是 Pandas 中非常重要的一个功能，它可以帮助我们方便地访问和操作数据。通过上面的示例，我们可以看到 iloc的强大和灵活性，无论是获取单行、多行、单列、多列数据，还是获取单个数据、多个数据，甚至进行数据切片、数据修改、数据筛选，iloc 都能很好地完成。
10. 使用 iloc 进行数据排序
我们也可以使用 iloc 进行数据排序，只需要在 iloc 后面加上排序函数即可：
import pandas as pd
data = {
'Name': ['Tom', 'Nick', 'John', 'Tom'],
'Age': [20, 21, 19, 18],
'Email': ['tom@pandasdataframe.com', 'nick@pandasdataframe.com', 'john@pandasdataframe.com', 'tom@pandasdataframe.com']
}
df = pd.DataFrame(data)
# 使用 iloc 对数据按照年龄进行排序
print(df.iloc[df['Age'].argsort()])
Output:
在上面的示例中，我们使用 iloc 对数据按照年龄进行了排序。
11. 使用 iloc 进行数据删除
我们可以使用 iloc 进行数据删除，只需要在 iloc 后面加上删除函数即可：
import pandas as pd
data = {
'Name': ['Tom', 'Nick', 'John', 'Tom'],
'Age': [20, 21, 19, 18],
'Email': ['tom@pandasdataframe.com', 'nick@pandasdataframe.com', 'john@pandasdataframe.com', 'tom@pandasdataframe.com']
}
df = pd.DataFrame(data)
# 使用 iloc 删除第一行数据
df = df.drop(df.iloc[0].name)
print(df)
Output:
在上面的示例中，我们使用 iloc 删除了第一行的数据。
12. 使用 iloc 进行数据插入
我们也可以使用 iloc 进行数据插入，只需要在 iloc 后面加上插入函数即可：
import pandas as pd
data = {
'Name': ['Tom', 'Nick', 'John', 'Tom'],
'Age': [20, 21, 19, 18],
'Email': ['tom@pandasdataframe.com', 'nick@pandasdataframe.com', 'john@pandasdataframe.com', 'tom@pandasdataframe.com']
}
df = pd.DataFrame(data)
# 使用 iloc 在第一行插入新的数据
df.loc[-1] = ['Jerry', 22, 'jerry@pandasdataframe.com']
df.index = df.index + 1
df = df.sort_index()
print(df)
Output:
在上面的示例中，我们使用 iloc 在第一行插入了新的数据。
13. 使用 iloc 进行数据替换
我们可以使用 iloc 进行数据替换，只需要在 iloc 后面加上替换函数即可：
import pandas as pd
data = {
'Name': ['Tom', 'Nick', 'John', 'Tom'],
'Age': [20, 21, 19, 18],
'Email': ['tom@pandasdataframe.com', 'nick@pandasdataframe.com', 'john@pandasdataframe.com', 'tom@pandasdataframe.com']
}
df = pd.DataFrame(data)
# 使用 iloc 将所有的 'Tom' 替换为 'Jerry'
df.iloc[:, 0] = df.iloc[:, 0].replace('Tom', 'Jerry')
print(df)
Output:
在上面的示例中，我们使用 iloc 将所有的 ‘Tom’ 替换为 ‘Jerry’。
14. 使用 iloc 进行数据统计
我们也可以使用 iloc 进行数据统计，只需要在 iloc 后面加上统计函数即可：
import pandas as pd
data = {
'Name': ['Tom', 'Nick', 'John', 'Tom'],
'Age': [20, 21, 19, 18],
'Email': ['tom@pandasdataframe.com', 'nick@pandasdataframe.com', 'john@pandasdataframe.com', 'tom@pandasdataframe.com']
}
df = pd.DataFrame(data)
# 使用 iloc 统计每个名字出现的次数
print(df.iloc[:, 0].value_counts())
Output:
在上面的示例中，我们使用 iloc 统计了每个名字出现的次数。
总的来说，iloc 是 Pandas 中非常重要的一个功能，它可以帮助我们方便地访问和操作数据。通过上面的示例，我们可以看到 iloc 的强大和灵活性，无论是获取数据、修改数据、筛选数据、排序数据、删除数据、插入数据、替换数据，还是统计数据，iloc 都能很好地完成。