详解pandas df.iloc[]的典型用法
发布时间：2026-10-15| 2人浏览过
本文深入解析pandas库中df.iloc[]索引器的核心用法。与df.loc[]基于标签不同，iloc[]严格依据数据在DataFrame中的位置坐标进行提取。文章详细说明了其支持的参数类型，包括整数、列表及切片操作，并通过具体代码示例展示了如何获取特定单元格、整行数据、子集以及实现行列倒序排列，帮助开发者高效进行数据筛选与处理。
df.iloc[]与df.loc[]的区别
与df.loc[]依据行标签或列标签来获取数据的方式不同，df.iloc[]则是基于数据在DataFrame中的具体位置坐标（position）进行提取，具体示意可见下方红色数字标识部分。
参数类型与基本用法
df.iloc[]同样接收两个参数，分别对应行坐标和列坐标。该方法能够接受的参数类型包括：
单个数字、数字类型的列表以及切片对象。
以下通过具体示例进行说明：
常见操作示例
name score grade
id
a bog 45 A
c jiken 67 B
d bob 23 A
b jiken 34 B
f lucy 98 A
e tidy 75 B
# 获取坐标为(0, 0)的数据
>>> df.iloc[0, 0]
'bog'
# 获取0行所有数据，列坐标参数为空，默认获取整行
>>> df.iloc[0]
name bog
score 45
grade A
Name: a, dtype: object
# 获取指定行列的数据
>>> df.iloc[[0,1], [0, 1]]
name score
id
a bog 45
c jiken 67
# 将所有行列倒序排列
>>> df.iloc[::-1, ::-1]
grade score name
id
e B 75 tidy
f A 98 lucy
b B 34 jiken
d A 23 bob
c B 67 jiken
a A 45 bog
至此，关于pandas中df.iloc[]典型用法的介绍已完毕。如需了解更多相关用法，建议查阅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。
