目录

• 第一种 整数做索引
• 第二种 列表或数组做索引
• 第三种 利用切片做索引
• 第四种 Boolean数组做索引
• 第五种 带一个参数的可调用函数做索引

今天学习时遇到了这个方法，为了加深理解做一下笔记。

这是该方法的文档，从中可以看出，中括号里允许输入可情形有5种。
此外，iloc方法既可以索引行数据，也可以列数据。

//首先创建DataFrame
import pandas as pd
import numpy as np
df = pd.DataFrame({'城市':['北京','广州', '天津', '上海', '杭州', '成都', '*', '南京'], 
 
                   '平均收入':[10000, 10000, 5000, 5002, 40000, 50000, 8000, 5000],
 
                    '人口':[500, 400, 300, 400, 250, 250, 405, 360]})

数据如下

第一种 整数做索引

// 索引第2行
df.iloc[1]

// 索引第2行第3列
df.iloc[1，2]

第二种 列表或数组做索引

// 索引2、3两行数据
df.iloc[[1，2]]

// 索引2、3两行数据的前两列
df.iloc[[1,2],[0,1]]

第三种 利用切片做索引

// 索引前5行数据的前两列
df.iloc[0:5,0:2]

// 和切片原理一样，2是步长
df.iloc[0:8:2]

第四种 Boolean数组做索引

// True 为显示，False为不显示
df.iloc[[True, False, True, False, True, False, True, False],[True, False, True]]

注意：此时Boolean数组的长度需对应df的行列数
此外还可以这样用

df.iloc[:,df.columns!='人口']

第五种 带一个参数的可调用函数做索引

// A code block
df.iloc[lambda x: x.index + 2 <  8 ]