Pandas df.iloc[] 函数

Pandas 常用函数

iloc[] 是 Pandas 中基于整数位置（Integer Location）的索引方式，用于通过行号和列号来选择数据。它与 loc[] 不同，iloc[] 完全基于数据的位置（从 0 开始的整数索引），而不考虑数据本身设置的标签。

当你需要按位置选择数据，或者在不知道具体索引标签的情况下选择数据时，iloc[] 是最佳选择。它的工作方式与 Python 列表的索引非常相似，对 Python 用户来说非常直观。

基本语法与参数

iloc[] 是 DataFrame 的索引器，通过方括号 [] 来访问。它只接受整数、整数列表、整数切片或布尔数组作为参数。

语法格式

# 选择单行（返回 Series）
DataFrame.iloc[行号]

# 选择多行（返回 DataFrame）
DataFrame.iloc[[行号1, 行号2, ...]]

# 使用切片选择连续行
DataFrame.iloc[起始行:结束行]

# 选择行和列
DataFrame.iloc[行号, 列号]
DataFrame.iloc[行切片, 列切片]
DataFrame.iloc[行列表, 列列表]

参数说明

返回值说明

• 单个元素： 返回标量值。
• 单行： 返回一个 Series。
• 多行： 返回一个 DataFrame。
• 行列组合： 根据选择结果返回 Series 或 DataFrame。

实例

让我们通过丰富的例子全面掌握 iloc[] 的用法。

示例 1：基础用法 - 选择行

iloc[] 使用基于位置的索引，与 Python 列表的索引方式非常相似。

运行结果：

原始 DataFrame:
      name  age  score grade
0    Alice   18     85     A
1      Bob   19     92     A
2  Charlie   17     78     B
3    David   18     90     A
4      Eve   20     88     B

选择第一行（位置 0）:
name      Alice
age          18
score        85
grade         A
Name: 0, dtype: object

选择第 1、3、4 行:
    name  age  score grade
1      Bob   19     92     A
3    David   18     90     A
4      Eve   20     88     B

选择第 1 行到第 3 行（位置 1、2、3）:
      name  age  score grade
1      Bob   19     92     A
2  Charlie   17     78     B
3    David   18     90     A

前 3 行:
      name  age  score grade
0    Alice   18     85     A
1      Bob   19     92     A
2  Charlie   17     78     B

代码解析：

1. df.iloc[0] 选择第一行（位置 0），返回一个 Series。
2. iloc[] 的切片是左闭右开的，包含位置 1、2、3，不包括位置 4。
3. df.iloc[[1, 3, 4]] 选择多个特定位置的行。
4. df.iloc[:3] 省略起始位置表示从 0 开始。

示例 2：选择特定的行列

iloc[] 可以同时选择行和列，通过位置编号精确定位。

运行结果：

选择位置 [1, 2] 的单元格:
92

选择第 0 行的第 1 和第 3 列:
age      19
grade     A
Name: 0, dtype: object

选择第 0、2、4 行的第 0、2 列:
      name  score
0    Alice     85
2  Charlie   78
4      Eve    88

所有行的第 0 和第 2 列:
      name  score
0    Alice     85
1      Bob    92
2  Charlie   78
3    David   90
4     Eve    88

第 1 到 3 行的第 0 到第 2 列（不含）:
      name  age
1      Bob   19
2  Charlie 17
3    David   18

代码解析：

1. df.iloc[1, 2] 选择单个单元格，返回标量值。
2. df.iloc[0, [1, 3]] 选择特定行的多列。
3. df.iloc[:, [0, 2]] 冒号表示选择所有行。
4. iloc[] 的切片遵循 Python 惯例，左闭右开（不含结束位置）。

示例 3：与自定义索引结合使用

当 DataFrame 有自定义索引时，iloc[] 仍然按照位置选择数据，与索引标签无关。

运行结果：

带自定义索引的 DataFrame:
   name  age  score
a  Alice   18     85
b    Bob   19     92
c  Charlie 17     78
d  David   18     90
e    Eve   20     88

iloc[0] 选择第一行（位置 0），与标签 'a', 'b', 'c' 无关:
name      Alice
age          18
score        85
Name: a, dtype: object

iloc[1:3] 选择第 2、3 行（位置 1、2）:
      name  age  score
b    Bob   19     92
c  Charlie 17     78

最后一行（位置 -1）:
name     Eve
age       20
score     88
Name: e, dtype: object

倒数 3 行:
      name  age  score
c  Charlie   17     78
d    David   18     90
e      Eve   20     88

代码解析：

• 即使 DataFrame 使用自定义索引（'a', 'b', 'c', 'd', 'e'），iloc[] 仍然按照位置选择。
• iloc[0] 总是选择第一行（物理位置），不论索引标签是什么。
• iloc 支持负数索引，-1 表示最后一行，-2 表示倒数第二行，以此类推。

示例 4：使用布尔数组选择

iloc[] 也支持使用布尔数组进行选择，这在条件筛选中很有用。

运行结果：

使用布尔数组 [True, False, True, False, True] 选择的行:
      name  age  score grade
0    Alice   18     85     A
2  Charlie   17     78     B
4      Eve   20     88     B

分数大于 85 的行:
      name  age  score grade
1      Bob   19     92     A
3    David   18     90     A
4      Eve   20     88     B

第 1、3 行的第 1、2 列:
      age  score
1     19     92
3     18     90

代码解析：

1. 布尔数组的长度必须与行数（对于行选择）或列数（对于列选择）相同。
2. iloc 使用布尔数组时，与 loc[] 的条件筛选不同，它直接按位置选择。
3. 可以通过切片步长来选择特定的模式，比如每隔一行选择一次。

注意事项

• iloc[] 使用的是位置索引，切片遵循 Python 惯例（左闭右开）。
• 如果传入的位置超出范围，会抛出 IndexError 错误。
• 支持负数索引，-1 表示最后一行，-2 表示倒数第二行。
• 与 loc[] 不同，iloc[] 不支持使用条件表达式直接筛选，需要先计算布尔数组。

重要提示：loc[] 和 iloc[] 的区别是 Pandas 学习中的重点。loc[] 基于标签，iloc[] 基于位置。在开发时建议明确区分两者，避免混淆导致错误。

小结

iloc[] 是 Pandas 中基于整数位置的数据选择器，它提供了与 Python 列表相似的索引体验。它的主要特点是完全基于数据的位置（从 0 开始），不受自定义索引标签的影响。

在实际使用中，iloc[] 特别适合以下场景：需要按位置选择数据时、需要使用负数索引时、需要使用切片步长时、以及在不确定索引标签的情况下选择数据。结合 loc[] 和 iloc[]，可以灵活应对各种数据选择需求。

Pandas 常用函数