DataFrame.iloc
纯粹基于整数位置的索引，用于按位置选择。
.iloc[] 主要是基于整数位置（从轴的0到长度-1），但也可以与布尔数组一起使用。
允许的输入:
- 整数, 例如，
5 - 整数的列表或数组, 例如，
[4, 3, 0] - 带有整数的切片对象, 例如，
1:7 - 布尔数组
- 具有一个参数（调用Series，DataFrame或Panel）的可调用函数，它返回索引的有效输出（上述之一）。 当您没有对调用对象的引用但希望将选择基于某个值时，这在方法链中很有用。
.iloc 如果请求的索引器超出范围，将引发IndexError，除了允许越界索引的切片索引器（这符合python / numpy切片语义）。
请参阅ref：按位置选择
例子，
>>> mydict = [{'a': 1, 'b': 2, 'c': 3, 'd': 4},... {'a': 100, 'b': 200, 'c': 300, 'd': 400},... {'a': 1000, 'b': 2000, 'c': 3000, 'd': 4000 }]>>> df = pd.DataFrame(mydict)>>> df a b c d0 1 2 3 41 100 200 300 4002 1000 2000 3000 4000
1）仅对行进行索引
带标量整数
>>> type(df.iloc[0])>>> df.iloc[0]a 1b 2c 3d 4Name: 0, dtype: int64
带有整数列表
>>> df.iloc[[0]] a b c d0 1 2 3 4>>> type(df.iloc[[0]])>>> df.iloc[[0, 1]] a b c d0 1 2 3 41 100 200 300 400
使用切片对象
>>> df.iloc[:3] a b c d0 1 2 3 41 100 200 300 4002 1000 2000 3000 4000布尔掩码的长度与索引的长度相同>>> df.iloc[[True, False, True]] a b c d0 1 2 3 42 1000 2000 3000 4000
选择索引为偶数的行
>>> df.iloc[lambda x: x.index % 2 == 0] a b c d0 1 2 3 42 1000 2000 3000 4000
2）索引两个轴
您可以混合索引和列的索引器类型。 使用：选择整个轴
用标量整数
>>> df.iloc[0, 1]2
带有整数列表
>>> df.iloc[[0, 2], [1, 3]] b d0 2 42 2000 4000
使用切片对象
>>> df.iloc[1:3, 0:3] a b c1 100 200 3002 1000 2000 3000
使用长度与列匹配的布尔数组
>>> df.iloc[:, [True, False, True, False]] a c0 1 31 100 3002 1000 3000
Series的可调用函数或DataFrame
>>> df.iloc[:, lambda df: [0, 2]] a c0 1 31 100 3002 1000 3000