Teradata Package for Python Function Reference - 17.00 - iloc - Teradata Package for Python

Teradata® Package for Python Function Reference

Product
Teradata Package for Python
Release Number
17.00
Release Date
April 2021
Content Type
Programming Reference
Publication ID
B700-4008-070K
Language
English (United States)
teradataml.dataframe.dataframe.DataFrame.iloc
Access a group of rows and columns by integer values or a boolean array.
VALID INPUTS:
    - A single integer values, e.g. 5.
 
    - A list or array of integer values, e.g. ``[1, 2, 3]``.
 
    - A slice object with integer values, e.g. ``1:6``.
      Note: The stop value is excluded.
 
    - A boolean array of the same length as the column axis for column access,
 
    Note: For integer indexing on row access, the integer index values are
    applied to a sorted teradataml DataFrame on the index column or the first column if
    there is no index column.
 
RETURNS:
    teradataml DataFrame
 
RAISE:
    TeradataMlException
 
EXAMPLES
--------
    >>> load_example_data("dataframe","sales")
    >>> df = DataFrame('sales')
    >>> df
                Feb   Jan   Mar   Apr    datetime
    accounts
    Blue Inc     90.0    50    95   101  04/01/2017
    Alpha Co    210.0   200   215   250  04/01/2017
    Jones LLC   200.0   150   140   180  04/01/2017
    Yellow Inc   90.0  None  None  None  04/01/2017
    Orange Inc  210.0  None  None   250  04/01/2017
    Red Inc     200.0   150   140  None  04/01/2017
 
    # Retrieve row using a single integer.
    >>> df.iloc[1]
            Feb Jan Mar  Apr    datetime
    accounts
    Blue Inc  90.0  50  95  101  04/01/2017
 
    # List of integers. Note using ``[[]]``
    >>> df.iloc[[1, 2]]
                Feb  Jan  Mar  Apr    datetime
    accounts
    Blue Inc    90.0   50   95  101  04/01/2017
    Jones LLC  200.0  150  140  180  04/01/2017
 
    # Single integer for row and column
    >>> df.iloc[5, 0]
    Empty DataFrame
    Columns: []
    Index: [Yellow Inc]
 
    # Single integer for row and column
    >>> df.iloc[5, 1]
        Feb
    0  90.0
 
    # Single integer for row and column access using a tuple
    >>> df.iloc[(5, 1)]
        Feb
    0  90.0
 
    # Slice for row and single integer for column access. As mentioned
    # above, note the stop for the slice is excluded.
    >>> df.iloc[2:5, 0]
    Empty DataFrame
    Columns: []
    Index: [Orange Inc, Jones LLC, Red Inc]
 
    # Slice for row and a single integer for column access. As mentioned
    # above, note the stop for the slice is excluded.
    >>> df.iloc[2:5, 2]
        Jan
    0  None
    1   150
    2   150
 
    # Slice for row and column access. As mentioned
    # above, note the stop for the slice is excluded.
    >>> df.iloc[2:5, 0:5]
                Mar   Jan    Feb   Apr
    accounts
    Orange Inc  None  None  210.0   250
    Red Inc      140   150  200.0  None
    Jones LLC    140   150  200.0   180
 
    # Empty slice for row and column access.
    >>> df.iloc[:, :]
                  Feb   Jan   Mar   Apr    datetime
    accounts
    Blue Inc     90.0    50    95   101  04/01/2017
    Alpha Co    210.0   200   215   250  04/01/2017
    Jones LLC   200.0   150   140   180  04/01/2017
    Yellow Inc   90.0  None  None  None  04/01/2017
    Orange Inc  210.0  None  None   250  04/01/2017
    Red Inc     200.0   150   140  None  04/01/2017
 
    # List of integers and boolean array for column access
    >>> df.iloc[[0, 2, 3, 4], [True, True, False, False, True, True]]
                  Feb   Apr    datetime
    accounts
    Orange Inc  210.0   250  04/01/2017
    Red Inc     200.0  None  04/01/2017
    Jones LLC   200.0   180  04/01/2017
    Alpha Co    210.0   250  04/01/2017