Pandas的iloc切片技巧详解

Pandas的iloc功能提供了基于整数位置的索引，允许我们使用行号和列号直接访问数据。相比于其他索引方式，iloc更加直观和高效。下面我们将详细介绍iloc切片技巧，并通过实例演示如何使用iloc进行数据选择和排序。
1. 基本用法
使用iloc时，需要提供行号范围和列号范围，例如：

import pandas as pd
# 创建一个简单的DataFrame
df = pd.DataFrame({
'A': [1, 2, 3, 4],
'B': [5, 6, 7, 8],
'C': [9, 10, 11, 12]
})
# 使用iloc选择第1行到第3行，第1列到第3列的数据
result = df.iloc[0:3, 0:3]
print(result)

输出：

A  B   C
0  1  5  9
1  2  6  10
2  3  7  11

2. 使用整数位置进行排序
iloc不仅可以选择数据，还可以对数据进行排序。例如，下面的代码将按照整数位置对数据进行升序排序：

# 对数据进行升序排序
df.iloc[sorted(range(len(df)))]

输出：

A  B   C
0  1  5  9
1  2  6  10
2  3  7  11
3  4  8  12
```**3. 跳过某些行或列**
使用iloc可以选择不连续的行或列。例如，下面的代码将选择第1行、第3行和第4行：
```python
# 选择第1行、第3行和第4行，第1列到第3列的数据
result = df.iloc[[0, 2, 3], 0:3]
print(result)

输出：

A  B   C
0  1  5  9
2  3  7  11
3  4  8  12
```**4. 选择多个列**
使用iloc可以选择多个列的数据。例如，下面的代码将选择第1行到第3行的A、B和C列数据：
```python
# 选择第1行到第3行的A、B和C列数据
result = df.iloc[0:3, [0, 1, 2]]
print(result)