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
当您希望找到多个列匹配时，可以使用使用searchsorted方法的向量化解决方案。因此，df作为数据帧，query_cols作为要搜索的列名，实现将是-
def column_index(df, query_cols):
cols = df.columns.values
sidx = np.argsort(cols)
return sidx[np.searchsorted(cols,query_cols,sorter=sidx)]
试运行-
In [162]: df
Out[162]:
apple banana pear orange peach
0 8 3 4 4 2
1 4 4 3 0 1
2 1 2 6 8 1
In [163]: column_index(df, ['peach', 'banana', 'apple'])
Out[163]: array([4, 1, 0])
其他回答
当然，你可以使用.get_loc():
In [45]: df = DataFrame({"pear": [1,2,3], "apple": [2,3,4], "orange": [3,4,5]})
In [46]: df.columns
Out[46]: Index([apple, orange, pear], dtype=object)
In [47]: df.columns.get_loc("pear")
Out[47]: 2
尽管说实话，我自己并不经常需要这个。通常通过名称进行访问(df["pear"]， df[["apple"， "orange"]])，或者可能是df.columns。isin(["orange"， "pear"])))，尽管我可以肯定地看到您想要索引号的情况。
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]
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()
当您希望找到多个列匹配时，可以使用使用searchsorted方法的向量化解决方案。因此，df作为数据帧，query_cols作为要搜索的列名，实现将是-
def column_index(df, query_cols):
cols = df.columns.values
sidx = np.argsort(cols)
return sidx[np.searchsorted(cols,query_cols,sorter=sidx)]
试运行-
In [162]: df
Out[162]:
apple banana pear orange peach
0 8 3 4 4 2
1 4 4 3 0 1
2 1 2 6 8 1
In [163]: column_index(df, ['peach', 'banana', 'apple'])
Out[163]: array([4, 1, 0])
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)
