iloc是Python中Pandas库的核心数据选择工具，专用于通过整数位置索引快速提取DataFrame或Series中的特定数据。 其核心优势在于纯位置索引（从0开始）、支持切片/列表/布尔数组，且与Excel行列编号逻辑高度一致，适合处理大规模结构化数据。
-
基础用法：
df.iloc[行位置, 列位置]中，行/列位置可为单个整数（如df.iloc[0]选首行）、连续切片（如df.iloc[1:3]选第2-3行）或不连续列表（如df.iloc[[0,2]]选第1、3行）。冒号:表示全选，例如df.iloc[:, 2]提取所有行的第3列。 -
高级操作：
- 布尔筛选：结合条件表达式（如
df.iloc[df['列名'] > 10]）过滤满足条件的行。 - 负索引：
-1表示最后一行/列，-2为倒数第二，以此类推。 - 跨维度选择：
df.iloc[1:3, [0,2]]可同时筛选行范围和指定列。
- 布尔筛选：结合条件表达式（如
-
与loc的区别：
iloc严格依赖整数位置，而loc基于标签（如列名/自定义索引）。例如，若首列标签为ID，df.loc[:, 'ID']有效但df.iloc[:, 'ID']会报错。 -
注意事项：
- 索引越界会触发
IndexError（切片除外，如df.iloc[:10]在数据不足10行时自动截断）。 - 避免混用标签与位置，例如
df.iloc[0, '列名']无效。
- 索引越界会触发
掌握iloc能显著提升数据清洗和分析效率，尤其适合需要精确控制行列位置的场景。建议结合实际数据练习切片和条件筛选，以熟练掌握这一利器。
本文《iloc在python中是什么意思》系辅导客考试网原创，未经许可，禁止转载！合作方转载必需注明出处：https://www.fudaoke.com/exam/2581566.html