Python使用Pandas.iloc[]提取行示例

Python是进行数据分析的一种出色语言, 主要是因为以数据为中心的Python软件包具有奇妙的生态系统。Pandas是这些软件包之一, 使导入和分析数据更加容易。

Pandas提供了一种独特的方法来从数据框中检索行。Dataframe.iloc []当数据框的索引标签不是数字序列0、1、2、3….n时, 或者在用户不知道索引标签的情况下, 使用此方法。可以使用在数据框中不可见的虚构索引位置提取行。

语法：pandas.DataFrame.iloc[]
参数：
索引位置：以整数或整数列表形式的行的索引位置。
返回类型：数据框或系列取决于参数

要下载代码中使用的CSV, 请点击这里（）。

示例1：提取单行并与.loc []比较

在此示例中, 通过.iloc []和.loc []方法提取相同的索引号行并进行比较。由于索引列默认情况下是数字列, 因此索引标签也将是整数。

# importing pandas package
import pandas as pd
  
# making data frame from csv file 
data = pd.read_csv( "nba.csv" )
  
# retrieving rows by loc method 
row1 = data.loc[ 3 ]
  
# retrieving rows by iloc method
row2 = data.iloc[ 3 ]
  
# checking if values are equal
row1 = = row2

输出如下：

如输出图像所示, 两种方法返回的结果相同。

示例2：使用索引提取多行

在此示例中, 首先通过传递列表来提取多个行, 然后通过传递整数来提取该范围之间的行。之后, 将两个值进行比较。

# importing pandas package
import pandas as pd
  
# making data frame from csv file 
data = pd.read_csv( "nba.csv" )
  
# retrieving rows by loc method 
row1 = data.iloc[[ 4 , 5 , 6 , 7 ]]
  
# retrieving rows by loc method 
row2 = data.iloc[ 4 : 8 ]
  
# comparing values
row1 = = row2

输出如下：

如输出图像所示, 两种方法返回的结果相同。除”大学”列中的值是NaN值外, 所有值均为True。

首先, 你的面试准备可通过以下方式增强你的数据结构概念：Python DS课程。