在R中，当您需要根据列名检索列索引时，您可以这样做
idx <- which(names(my_data)==my_colum_name)
有没有办法对熊猫数据框架做同样的事情?
当前回答
这个怎么样:
df = DataFrame({"pear": [1,2,3], "apple": [2,3,4], "orange": [3,4,5]})
out = np.argwhere(df.columns.isin(['apple', 'orange'])).ravel()
print(out)
[1 2]
其他回答
稍微修改一下DSM的答案，get_loc有一些奇怪的属性，这取决于当前版本Pandas(1.1.5)中的索引类型，因此根据您的索引类型，您可能会返回索引、掩码或切片。这对我来说有点令人沮丧，因为我不想仅仅为了提取一个变量的索引而修改整个列。更简单的方法是完全避免这个函数:
list(df.columns).index('pear')
非常简单，而且可能相当快。
DSM的解决方案是有效的，但是如果你想要一个直接等价的方法(df。Columns == name).nonzero()
import random
def char_range(c1, c2): # question 7001144
for c in range(ord(c1), ord(c2)+1):
yield chr(c)
df = pd.DataFrame()
for c in char_range('a', 'z'):
df[f'{c}'] = random.sample(range(10), 3) # Random Data
rearranged = random.sample(range(26), 26) # Random Order
df = df.iloc[:, rearranged]
print(df.iloc[:,:15]) # 15 Col View
for col in df.columns: # List of indices and columns
print(str(df.columns.get_loc(col)) + '\t' + col)
![结果](结果
这个怎么样:
df = DataFrame({"pear": [1,2,3], "apple": [2,3,4], "orange": [3,4,5]})
out = np.argwhere(df.columns.isin(['apple', 'orange'])).ravel()
print(out)
[1 2]
这里有一个通过列表理解的解决方案。Cols是要获取索引的列的列表:
[df.columns.get_loc(c) for c in cols if c in df]
