iloc函数python iloc函数 1

python语句iloc里面的值是负一是什么意思，iloc[:-1:]

你这个iloc是pandas中的函数。

这个语句返回的是dataFrame从索引0到倒数第二行，步长为1的内容。

PYTHON的切片结束位置不包含偏移数本身，所以：-1切片到的最后内容是倒数第二位置的元素。

相关问答

Q1: Python 基本操作- 数据选取loc、iloc、ix函数

loc中的数据是列名，是字符串，所以前后都要取；iloc中数据是int整型，所以是Python默认的前闭后开

构建数据集df

loc函数主要通过行标签索引行数据 ，划重点， 标签！标签！标签！

loc[1] 选择行标签是1的（从0、1、2、3这几个行标签中）

loc[0:1] 和 loc[0,1]的区别，其实最重要的是loc[0:1]和iloc[0:1]

索引某一列数据，loc[:,0:1]，还是标签，注意，如果列标签是个字符，比如'a'，loc['a']是不行的，必须为loc[:，'a']。

但如果行标签是'a',选取这一行，用loc['a']是可以的。

iloc 主要是通过行号获取行数据，划重点，序号！序号！序号！

iloc[0:1]，由于Python默认是前闭后开，所以，这个选择的只有第一行！

如果想用标签索引，如iloc['a']，就会报错，它只支持int型。

ix——结合前两种的混合索引，即可以是行序号，也可以是行标签。

如选择prize10(prize为一个标签)的，即 df.loc[df.prize10]

还有并或等操作

python选取特定列——pandas的iloc和loc以及icol使用

pandas入门——loc与iloc函数

pandas中loc、iloc、ix的区别

pandas基础之按行取数（DataFrame）

Q2: python如何将excel表格数据一键变成代码

Python批量处理excel数据（含完整代码）

pandas库可以有效iloc函数python的处理excel、csv和txt文件iloc函数python，并能多格式将数据重新保存为excel、csv和txt文件。

1

1

一、导入数据

利用pandas库中的read函数可以将excel文件读入iloc函数python，转化为 DataFrame格式

import pandas as pd

path = "D:\text.xlsx" ##文件路径

data = pd.read_excel(path,sheet_name = 0) ##若包含多个子表iloc函数python，可以用sheet_name参参数进行选择

若excel表中不包含列名信息可以在读入时iloc函数python，利用names参数进行指定

data = pd.read_excel(path,names=["id","name","date"])

对于csv文件可以使用pd.read_csv函数进行数据导入

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

二、空表创建

当输出表格和输入表格的格式不一致时，我们可以通过创建空表来解决问题，新的DataFrame表格的数据可以为空，但是必须设置列名，也就是表头

##利用list创建表头

header = ["name","date"，"a","b"]

##创建空表

outData = pd.DataFrame(columns=header)

1

2

3

4

5

6

7

1

2

3

4

5

6

7

三、数据增删查改

1.数据查改

利用loc和iloc函数可以对DataFrame 数据表中的数据进行查改，loc使用行名和列名进行调用，iloc使用行列索引进行调用

propoLoc = data.loc["index", "proportion"]

propoIloc = data.loc[0, 0]

data.iloc[:, 5:] = data.iloc[:, 5:].astype(int) ##利用索引可以对数据进行批量处理，此句指令用于将表格第五列至最后一列的格式转化为整型int

2.数据增删

利用drop函数可以删除指定行列，利用loc或insert函数可以增加列，loc用来增加行

data.drop(index=[0], inplace=True) ##删除行名为0的行

data.drop(columns=[0], inplace=True，axis=1) ##删除列名为0的列

data.loc[str(csvName)] = rowData ##增加行名为csvName的行，注意rowData要保证和data的列数一致

data.loc[:,str(csvName)] = 0 ##增加列名为csvName的列，用0填充该列

data.insert(data.shape[1], 'd', 0) ##在data.shape[1]处增加列，并用0填充

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

四、批量处理

首先利用os库对文件夹进行遍历，获得所有的excel文件

import os

excelNames = os.listdir(rootPath) ##获得所有的文件名

for excelName in excelNames:

##对每个文件进行处理

1

2

3

4

5

6

7

1

2

3

4

5

6

7

五、常用的数据处理方法

1.字符串分割 str.split(",") 用逗号进行分割，并创建一个list进行存储

2.str.endswith("hello") 判断字符串的后缀

1

2

1

2

六、表格存储

1.单表存储：将一个sheet放入到一个excel中

saveFile = rootPath+"test.xlsx" ##指定保存文件，注意反复保存时，excel不要打开，否则无法写入

rootData.to_excel(saveFile,index=False) ##保存指定，并不保存行名

2.多表存储：将多个sheet放入到一个excel中

with pd.ExcelWriter('./dataOut.xlsx') as writer:

DFa.to_excel(writer, sheet_name="表1")

DFb.to_excel(writer, sheet_name="表2")

DFc.to_excel(writer, sheet_name="表3")

writer.save()

writer.close()

批量表格处理完整代码：将多张表的信息进行汇总

import os

import pandas as pd

rootPath = "C:\test\"

def createOutCsv(path):

data = pd.read_excel(path, names=["column1", "column2", "column3"])

data.drop(index=[0], inplace=True)

header = ["name"] ###创建表头

for index in data.index: ##利用data中的所有column1创建表头

column = data.loc[index,"name"].split(".")[-1]

header.append(column

关于iloc函数python和iloc函数 1的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。