詳解 pandas 中 .iloc 的用法

pandas 可以說是 python 中最常用的數據處理庫之一，而其中的 .iloc 就是其中一個比較重要的方法。在本文中，我們將會從各個角度詳細講解 .iloc 的作用、用法和注意事項。

一、選擇單個元素

我們可以使用 .iloc 選擇一個具體的元素，只需要傳入 DataFrame 或 Series 中相應的行和列的位置即可。比如選取 DataFrame 中第二行第三列的元素：

import pandas as pd 

data = {'name': ['John', 'Jane', 'Joe', 'Mike'], 
        'age': [23, 19, 29, 31], 
        'country': ['US', 'CA', 'UK', 'AU']}
df = pd.DataFrame(data) 
print(df.iloc[1, 2]) 
# 輸出: CA

這裡我們使用 .iloc[1,2] 來選取位置在第二行第三列的元素，注意索引是從 0 開始的。

二、選擇連續的行和列

我們也可以使用切片的方式來選擇連續多行/列的元素，只需要使用 : 來表示一個區間即可。比如選取 DataFrame 中第二行到第四行和第二列到第三列的元素:

print(df.iloc[1:4, 1:3]) 
# 輸出: 
#    age country
# 1   19      CA
# 2   29      UK
# 3   31      AU

這裡 .iloc[1:4, 1:3] 表示選擇位置在第二行到第四行和第二列到第三列的元素。

三、選擇不連續的行和列

我們也可以使用列表的方式來選擇不連續的行和列的元素。比如選取 DataFrame 中第一行和第三行的第一列和第三列的元素：

print(df.iloc[[0,2], [0,2]]) 
# 輸出:
#    name country
# 0  John      US
# 2   Joe      UK

這裡 .iloc[[0,2],[0,2]] 表示選擇位置在第一行和第三行的第一列和第三列的元素。

四、使用布爾數組進行選擇

我們也可以使用布爾類型的列表或數組來進行選擇。比如從 DataFrame 中選擇年紀大於 25 的元素：

print(df.iloc[df['age'] > 25]) 
# 輸出:
#    name  age country
# 2   Joe   29      UK
# 3  Mike   31      AU

這裡我們使用了布爾類型的數組 df[‘age’] > 25 來進行索引。

五、選擇所有行或列

如果想要選擇所有行或列，可以使用 : 來進行表示。比如選擇所有行和第二列的元素：

print(df.iloc[:, 1]) 
# 輸出:
# 0    23
# 1    19
# 2    29
# 3    31
# Name: age, dtype: int64

這裡 .iloc[:,1] 表示選擇所有行和第二列的元素。

六、使用負數進行選擇

使用負數進行選擇時，pandas 會從後向前計數。比如下面的例子中選取最後一行的第二個元素：

print(df.iloc[-1, -2]) 
# 輸出: AU

這裡使用了負數索引，-1 代表最後一行，-2 代表倒數第二列。

總結

本文詳細闡述了 .iloc 方法的用法和注意事項。通過不同的用法，我們可以方便地從 DataFrame 或 Series 中選取所需的元素。這些技巧對於數據分析和處理都是非常有用的。