iloc 是 pandas 庫中 DataFrame 的一個屬性，用于基于整數索引的行和列的位置進行索引
import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 選擇第0行到第1行（不包括第2行）
result = df.iloc[0:2]
print(result)
import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 選擇A列值大于1的行
result = df.iloc[df['A'] > 1]
print(result)
numpy 數組進行索引：import pandas as pd
import numpy as np
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 選擇第0行和第2行
rows = np.array([0, 2])
result = df.iloc[rows]
print(result)
import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)
# 選擇A列和C列
columns = ['A', 'C']
result = df.iloc[:, columns]
print(result)
at 和 iat 訪問單個元素：import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 獲取第0行A列的元素
element_a = df.iat[0, 0]
print(element_a)
# 獲取第1行B列的元素
element_b = df.iat[1, 1]
print(element_b)
這些高級用法可以幫助你更有效地使用 iloc 進行數據操作。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
