pandas.DataFrame.iloc索引方法详解：五种用法与实战示例
发布时间：2026-10-15| 4人浏览过
本文详细解析pandas中DataFrame.iloc方法的五种索引方式，包括整数索引、列表索引、切片索引、布尔数组索引及可调用函数索引。通过具体代码示例演示如何精准提取行、列及子集数据，帮助开发者掌握高效的数据筛选技巧。
在近期学习过程中接触到了这一方法，为了巩固理解并便于后续查阅，特此整理相关笔记。
查阅官方文档可知，中括号内支持的输入形式主要包含五种情况。此外，iloc方法不仅支持对行数据进行索引，同样适用于列数据的选取。
//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', '澳门', '南京'],
'平均收入':[10000, 10000, 5000, 5002, 40000, 50000, 8000, 5000],
'人口':[500, 400, 300, 400, 250, 250, 405, 360]})
示例数据如下所示：
第一种情况：使用整数进行索引
// 索引第2行
df.iloc[1]
// 索引第2行第3列
df.iloc[1，2]
第二种情况：使用列表或数组进行索引
// 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]]
第三种情况：利用切片操作进行索引
// 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]
第四种情况：使用Boolean数组进行索引
// True 为显示，False为不显示
df.iloc[[True, False, True, False, True, False, True, False],[True, False, True]]
需要注意的是，此时Boolean数组的长度必须与DataFrame的行列维度相匹配。此外，还可以采用以下方式进行操作：
df.iloc[:,df.columns!='人口']
第五种情况：使用带单个参数的可调用函数进行索引
// A code block
df.iloc[lambda x: x.index + 2 < 8 ]
至此，关于pandas.DataFrame.iloc的具体使用详解已介绍完毕。如需了解更多相关内容，建议搜索本站过往文章或继续浏览后续内容，感谢大家的支持！
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
