pyspark.pandas.Series.iloc¶
-
财产
系列。iloc¶ -
纯粹基于integer-location索引选择的位置。
.iloc []主要是基于整数位置(从吗0来长度是1轴),但也可以使用一个条件布尔系列。允许输入:
一个整数列选择。
5。一个整数列表或数组的行选择不同的索引值,例如:
[3,4,0]列表或数组的整数列选择,如
[4,3,0]。一个布尔值数组列选择。
一片与int对象行和列选择,如
1:7。
不允许输入哪些熊猫允许:
列表或数组行选择和复制的整数索引,例如。
[4,4,0]。一个布尔值数组的行选择。
一个
可调用的函数与一个参数(调用系列,DataFrame或面板)和返回有效输出索引(上图)之一。连锁这个方法是有用的,当你没有给调用对象的引用,但想让您的选择基于一些价值。
.iloc将会提高IndexError如果要求索引器是禁止入内的,除了片索引器允许禁止入内的索引(这符合python / numpy片语义)。另请参阅
-
DataFrame.loc -
纯粹基于label-location索引器选择的标签。
-
Series.iloc -
纯粹基于integer-location索引选择的位置。
例子
> > >mydict=[{“一个”:1,“b”:2,“c”:3,' d ':4},…{“一个”:One hundred.,“b”:200年,“c”:300年,' d ':400年},…{“一个”:1000年,“b”:2000年,“c”:3000年,' d ':4000年})> > >df=ps。DataFrame(mydict,列=(“一个”,“b”,“c”,' d '])> > >dfa b c d0 1 2 3 41 100 200 300 4002 1000 2000 3000 4000
索引的行
一个标量行选择的整数。
> > >df。iloc(1]一个100b 200c 300d 400名称:1、dtype: int64
> > >df。iloc[[0]]a b c d0 1 2 3 4
与一个片对象。
> > >df。iloc[:3]a b c d0 1 2 3 41 100 200 300 4002 1000 2000 3000 4000
索引两轴
你可以混合索引和列的索引器类型。使用
:选择整个轴。与标量整数。
> > >df。iloc[:1,1]0 2名称:b, dtype: int64
列表的整数。
> > >df。iloc[:2,(1,3]]b d0 2 41 200 400
与片对象。
> > >df。iloc[:2,0:3]a b c0 1 2 31 100 200 300
用一个布尔值数组的长度匹配的列。
> > >df。iloc(:,(真正的,假,真正的,假]]一个c0 1 31 100 3002 1000 3000
设置值
所有项目设置值匹配的列表标签。
> > >df。iloc[[1,2),(1]]=50> > >dfa b c d0 1 2 3 41 100 300 4002 1000 3000 4000
为整个行设置值
> > >df。iloc(0]=10> > >dfa b c d0 10 10 10 101 100 300 4002 1000 3000 4000
一整列设置值
> > >df。iloc(:,2]=30.> > >dfa b c d0 10 10 30100 50 4001000 50 4000
为整个列表的列设置值
> > >df。iloc(:,(2,3]]=One hundred.> > >dfa b c d0 10 100 1001 100 100 1002 1000 100 100
设置值系列
> > >df。iloc(:,3]=df。iloc(:,3]*2> > >dfa b c d0 10 100 2001 100 100 2002 1000 100 200