iloc函數操作Pandas數據技巧

iloc 是 Pandas 中的一個重要功能，用于基于整數索引在 DataFrame 或 Series 上進行索引和切片

1. 選擇單個元素：

import pandas as pd

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

# 使用 iloc 獲取第 1 行（索引為 0），第 1 列（索引為 1）的元素
element = df.iloc[0, 1]
print(element)  # 輸出 4

2. 選擇多行：

import pandas as pd

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

# 使用 iloc 獲取前兩行
rows = df.iloc[:2]
print(rows)

3. 選擇多列：

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)

# 使用 iloc 獲取第 1 列和第 3 列
columns = df.iloc[:, [0, 2]]
print(columns)

4. 使用布爾索引：

import pandas as pd

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

# 使用 iloc 根據條件篩選行
filtered_rows = df.iloc[df['A'] > 1]
print(filtered_rows)

5. 鏈式賦值：

import pandas as pd

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

# 使用 iloc 修改第 1 行，第 1 列的元素
df.iloc[0, 1] = 99
print(df)

6. 重置索引：

import pandas as pd

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

# 刪除第一行
df = df.drop(0)

# 使用 iloc 重置索引
df.reset_index(drop=True, inplace=True)
print(df)

這些技巧可以幫助你更有效地使用 iloc 函數操作 Pandas 數據。