Pandas中iloc索引方式詳解

iloc 是 Pandas 庫中的一個重要功能，它提供了基于整數位置的索引方式。與 loc 不同，iloc 不是基于標簽的索引，而是基于行號和列號的索引。這使得 iloc 在處理大型數據集時非常高效，因為它避免了查找標簽的開銷。

以下是 iloc 的一些基本用法：

1. 選擇單個元素：

import pandas as pd

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

# 選擇第1行（從0開始計數）、第0列（從0開始計數）的元素
element = df.iloc[0, 0]
print(element)  # 輸出：1

2. 選擇多行多列：

import pandas as pd

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

# 選擇第0行和第1行，第0列和第1列的元素
sub_df = df.iloc[[0, 1], [0, 1]]
print(sub_df)
# 輸出：
#    A  B
# 0  1  4
# 1  2  5

3. 選擇行切片：

import pandas as pd

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

# 選擇第0行到第1行（不包括第2行）
sub_df = df.iloc[0:2]
print(sub_df)
# 輸出：
#    A  B
# 0  1  4
# 1  2  5

4. 選擇列切片：

import pandas as pd

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

# 選擇第0列到第1列（不包括第2列）
sub_df = df.iloc[:, 0:2]
print(sub_df)
# 輸出：
#    A  B
# 0  1  4
# 1  2  5
# 2  3  6

5. 選擇行和列切片：

import pandas as pd

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

# 選擇第0行到第1行（不包括第2行），第0列和第1列
sub_df = df.iloc[0:2, 0:2]
print(sub_df)
# 輸出：
#    A  B
# 0  1  4
# 1  2  5

需要注意的是，iloc 的切片操作是左閉右開的，即選擇的起始索引是包含在內的，而結束索引是不包含在內的。這與 Python 的切片操作相同。