df.iloc[]pandas.DataFrame.iloc[] 是 Pandas 中用于按位置（而非标签）来进行行和

pandas.DataFrame.iloc[] 是 Pandas 中用于按位置（而非标签）来进行行和列选择的功能。它允许基于行列的整数位置来索引数据。与 .loc[] 不同，iloc[] 仅接受 整数位置 或 整数位置的切片。

基本语法

DataFrame.iloc[row_indexer, column_indexer]

row_indexer：选择行的整数位置（可以是整数、切片、整数列表等）。
column_indexer：选择列的整数位置（同样可以是整数、切片、整数列表等）。

1. 按整数位置选择单行单列

你可以通过整数位置选择单个元素，索引是从 0 开始的。

示例：选择单行单列

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

# 选择第1行（索引为0）和第2列（索引为1）
result = df.iloc[0, 1]
print(result)  # 输出: 4

解释：

0 表示选择第一行（行索引位置从 0 开始）。
1 表示选择第二列（列索引位置从 0 开始）。

2. 按整数位置选择多行或多列

你可以使用切片语法来选择多行或多列。

示例：选择多行和多列

# 选择前两行（索引 0 到 1）和前两列（索引 0 到 1）
result = df.iloc[0:2, 0:2]
print(result)

输出：

   A  B
0  1  4
1  2  5

解释：

0:2 表示选择第 1 行到第 2 行（不包括第 2 行的索引，和 Python 切片的习惯一致）。
0:2 表示选择第 1 列和第 2 列（同样的切片逻辑）。

3. 使用列表选择多行或多列

你可以使用整数位置的列表来选择多个不连续的行或列。

示例：选择多个不连续的行或列

# 选择第 1 行和第 3 行，第 2 列和第 1 列
result = df.iloc[[0, 2], [1, 0]]
print(result)

输出：

   B  A
0  4  1
2  6  3

解释：

iloc[[0, 2], [1, 0]] 表示选择第 1 行和第 3 行，以及第 2 列和第 1 列。

4. 选择单行或单列

如果只需要选择一行或一列，可以将 iloc[] 中的列索引或行索引部分设为单个整数。

示例：选择单行

# 选择第 2 行（索引为 1）
result = df.iloc[1]
print(result)

输出：

A    2
B    5
Name: 1, dtype: int64

示例：选择单列

# 选择第 1 列（索引为 0）
result = df.iloc[:, 0]
print(result)

输出：

0    1
1    2
2    3
Name: A, dtype: int64

解释：

df.iloc[1] 选择的是第 2 行，结果是该行的 所有列。
df.iloc[:, 0] 选择的是第 1 列，结果是该列的 所有行。

5. 使用负索引

和 Python 的列表切片一样，iloc[] 支持负索引来从末尾选择行或列。

示例：使用负索引选择行或列

# 选择倒数第二行和倒数第二列
result = df.iloc[-2, -2]
print(result)  # 输出: 2

解释：

-2 表示倒数第二行或倒数第二列。

6. 与 `loc[]` 配合使用

虽然 loc[] 和 iloc[] 在功能上类似，但它们的区别是：loc[] 使用标签索引（如行和列的标签），而 iloc[] 使用位置索引。可以根据需要选择合适的索引方法。

示例：按位置选择行，按标签选择列

# 选择第 1 行（索引 0），和列 'A'（通过标签选择）
result = df.iloc[0, df.columns.get_loc('A')]
print(result)  # 输出: 1

解释：

df.columns.get_loc('A') 获取列标签 A 在 DataFrame 中的位置（索引 0），然后在 iloc[] 中使用该位置来选择对应列。

7. 修改值

和 .loc[] 一样，iloc[] 也可以用来修改 DataFrame 中的值。

示例：修改单个值

# 将第 2 行第 1 列的值修改为 100
df.iloc[1, 0] = 100
print(df)

输出：

8. 使用 `.iloc[]` 选择与切片

可以用 .iloc[] 选择和切片操作类似，选择所有行或所有列，或使用布尔切片。

示例：选择所有行的特定列

# 选择所有行的第 1 列和第 2 列
result = df.iloc[:, 0:2]
print(result)

输出：

总结

按位置选择数据：iloc[] 使用行列的整数位置索引，位置从 0 开始。
行选择：可以使用整数索引、切片或整数列表选择多行。
列选择：可以使用整数索引、切片或整数列表选择多列。
修改数据：iloc[] 可以用来修改特定行列的值。
负索引：支持负数索引，表示从末尾开始的行或列。
切片行为：和 Python 切片类似，包含起始位置但不包含结束位置。

iloc[] 非常适合需要通过整数位置进行索引、选择或修改 DataFrame 数据的场景，尤其是在数据处理或分析时需要按位置快速提取数据时。

df.iloc[]