[教程]揭秘Pythoniloc函数：轻松掌握高效数据筛选与定位技巧

iloc函数是Python中pandas库中的一个重要功能，它允许用户通过整数位置索引来访问和操作数据。相比于基于标签的索引（如loc函数），iloc提供了一种基于行号和列号的直接索引方式，这在处理大...

iloc函数是Python中pandas库中的一个重要功能，它允许用户通过整数位置索引来访问和操作数据。相比于基于标签的索引（如loc函数），iloc提供了一种基于行号和列号的直接索引方式，这在处理大型数据集时尤为有用。本文将深入探讨iloc函数的用法，帮助读者轻松掌握其高效数据筛选与定位技巧。

1. iloc函数基本用法

iloc函数的基本语法为：df.iloc[row_index, column_index]，其中df是一个DataFrame对象，row_index表示行索引，column_index表示列索引。

1.1 使用整数索引

• 使用整数指定单个行或列，例如df.iloc[0, 1]表示取第1行第2列的数据。
• 使用整数列表指定多行或多列，例如df.iloc[[0, 1, 2], [0, 1]]表示取第1、2、3行的第1、2列数据。

1.2 使用切片索引

• 使用切片指定连续的行或列，例如df.iloc[0:3, 0:2]表示取第1、2、3行的第1、2列数据。

1.3 使用布尔值索引

• 使用布尔值索引获取DataFrame或Series中的多个元素，例如df.iloc[df['column'] > 10, :]表示取满足某一条件的行的所有列数据。

2. iloc函数扩展应用

2.1 数据筛选与过滤

通过iloc函数，我们可以根据行索引或列索引来筛选和过滤数据。例如，我们可以使用df.iloc[df['column'] > 10, :]来筛选出某一列中大于10的行数据。

2.2 数据切片与切割

iloc函数可以用于切片数据，提取我们需要的子集。例如，df.iloc[0:3, 0:2]可以提取出第1、2、3行的第1、2列数据。

2.3 数据聚合与计算

通过iloc函数，我们可以对数据进行聚合和计算。例如，我们可以使用df.iloc[:, :2].sum()来计算前两列的总和。

3. iloc与loc函数的区别

• loc：基于标签的索引，通过行标签和列标签来定位数据。
• iloc：基于整数位置的索引，通过行号和列号来定位数据。

以下是一个简单的示例，展示如何使用iloc函数：

import pandas as pd
# 创建一个示例DataFrame
data = pd.DataFrame({ 'Name': ['张三', '李四', '王五', '赵六', '于七'], 'Age': [25, 30, 22, 28, 35], 'City': ['北京', '上海', '广州', '深圳', '杭州']
})
# 使用iloc函数获取第2行第1列的数据
print(data.iloc[1, 0])
# 使用iloc函数获取第2、3行第1、2列的数据
print(data.iloc[[1, 2], [0, 1]])
# 使用iloc函数筛选年龄大于25的数据
print(data.iloc[data['Age'] > 25, :])

通过以上示例，我们可以看到iloc函数在数据筛选和定位方面的强大功能。熟练掌握iloc函数，将大大提高数据分析的效率。