介绍一个在数据分析中常用的函数：data.iloc[]

亦凉 2024-05-07 22:08 3阅读 0赞

平时处理数据集中，总是需要选中一些列的数据，去预测其他列的数据，所以data.iloc\[\]，在数据分析中显得尤为方便。

### 介绍一下data.iloc\[\] ###

`data.iloc[]` 是 Python 中 pandas 库的一个非常有用的功能，它允许你通过行和列的整数位置索引来选择数据。`iloc` 是 “integer location” 的缩写，意味着你可以通过指定行和列的整数索引来选择数据，而不是使用标签。

以下是一些使用 `data.iloc[]` 的基本示例：

1.  **选择单个元素**：  
    使用 `data.iloc[row_index, column_index]` 来选择特定的元素。
    
        element = data.iloc[0, 1]  # 选择第1行第2列的元素
2.  **选择一行**：  
    使用 `data.iloc[i,:]` 来选择第 `i` 行的所有列。
    
        row = data.iloc[2, :]  # 选择第3行的所有列
3.  **选择一列**：  
    使用 `data.iloc[:, j]` 来选择第 `j` 列的所有行。
    
        column = data.iloc[:, 1]  # 选择第2列的所有行
4.  **选择多个行和列**：  
    使用 `data.iloc[i:m, j:n]` 来选择从第 `i` 行到第 `m` 行，第 `j` 列到第 `n` 列的数据。
    
        sub_data = data.iloc[0:3, 1:4]  # 选择第1行到第3行，第2列到第4列的数据
5.  **使用切片**：  
    `iloc` 也支持 Python 的切片语法，可以用于选择行或列的范围。
    
        sub_data_rows = data.iloc[0:5:2, :]  # 选择第1行到第5行，步长为2的行
        sub_data_cols = data.iloc[:, 1:5:2]  # 选择第2列到第5列，步长为2的列
6.  **选择多个不连续的行或列**：  
    使用数组或列表来选择多个不连续的行或列。
    
        selected_rows = data.iloc[[0, 2, 4], :]  # 选择第1、3、5行的所有列
        selected_cols = data.iloc[:, [1, 3]]     # 选择第2、4列的所有行

请注意，在使用 `iloc` 时，索引是从0开始的，即第一行或第一列的索引是0。此外，`iloc` 只能用于选择行和列，不能用于选择 DataFrame 中的标签（即列名或索引）。如果你需要基于标签选择数据，应该使用 `loc` 而不是 `iloc`。

### 在数据分析代码中的应用 ###

这是在一个数据分析代码中的一部分，这里就用了iloc\[\]选取前两列作为特征数据，第三列作为目标变量（也就是通过前两列的值预测最后一列的数据）。

# 1. 数据加载
    data = pd.read_csv('data.csv')
    X = data.iloc[:, :2]  # 取前两列作为特征
    y = data.iloc[:, 2]  # 取第三列作为目标变量
    
    # 2. 数据预处理
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
    scaler = StandardScaler()
    X_train_scaled = scaler.fit_transform(X_train)
    X_test_scaled = scaler.transform(X_test)