pyspark.pandas.DataFrame.iloc¶
-
財產
DataFrame。iloc¶ -
純粹基於integer-location索引選擇的位置。
.iloc []主要是基於整數位置(從嗎0來長度是1軸),但也可以使用一個條件布爾係列。允許輸入:
一個整數列選擇。
5。一個整數列表或數組的行選擇不同的索引值,例如:
[3,4,0]列表或數組的整數列選擇,如
[4,3,0]。一個布爾值數組列選擇。
一片與int對象行和列選擇,如
1:7。
不允許輸入哪些熊貓允許:
列表或數組行選擇和複製的整數索引,例如。
[4,4,0]。一個布爾值數組的行選擇。
一個
可調用的函數與一個參數(調用係列,DataFrame或麵板)和返回有效輸出索引(上圖)之一。連鎖這個方法是有用的,當你沒有給調用對象的引用,但想讓您的選擇基於一些價值。
.iloc將會提高IndexError如果要求索引器是禁止入內的,除了片索引器允許禁止入內的索引(這符合python / numpy片語義)。另請參閱
-
DataFrame.loc -
純粹基於label-location索引器選擇的標簽。
-
Series.iloc -
純粹基於integer-location索引選擇的位置。
例子
> > >mydict=[{“一個”:1,“b”:2,“c”:3,' d ':4},…{“一個”:One hundred.,“b”:200年,“c”:300年,' d ':400年},…{“一個”:1000年,“b”:2000年,“c”:3000年,' d ':4000年})> > >df=ps。DataFrame(mydict,列=(“一個”,“b”,“c”,' d '])> > >dfa b c d0 1 2 3 41 100 200 300 4002 1000 2000 3000 4000
索引的行
一個標量行選擇的整數。
> > >df。iloc(1]一個100b 200c 300d 400名稱:1、dtype: int64
> > >df。iloc[[0]]a b c d0 1 2 3 4
與一個片對象。
> > >df。iloc[:3]a b c d0 1 2 3 41 100 200 300 4002 1000 2000 3000 4000
索引兩軸
你可以混合索引和列的索引器類型。使用
:選擇整個軸。與標量整數。
> > >df。iloc[:1,1]0 2名稱:b, dtype: int64
列表的整數。
> > >df。iloc[:2,(1,3]]b d0 2 41 200 400
與片對象。
> > >df。iloc[:2,0:3]a b c0 1 2 31 100 200 300
用一個布爾值數組的長度匹配的列。
> > >df。iloc(:,(真正的,假,真正的,假]]一個c0 1 31 100 3002 1000 3000
設置值
所有項目設置值匹配的列表標簽。
> > >df。iloc[[1,2),(1]]=50> > >dfa b c d0 1 2 3 41 100 300 4002 1000 3000 4000
為整個行設置值
> > >df。iloc(0]=10> > >dfa b c d0 10 10 10 101 100 300 4002 1000 3000 4000
一整列設置值
> > >df。iloc(:,2]=30.> > >dfa b c d0 10 10 30100 50 4001000 50 4000
為整個列表的列設置值
> > >df。iloc(:,(2,3]]=One hundred.> > >dfa b c d0 10 100 1001 100 100 1002 1000 100 100
設置值係列
> > >df。iloc(:,3]=df。iloc(:,3]*2> > >dfa b c d0 10 100 2001 100 100 2002 1000 100 200