对于我们感兴趣的已知候选索引，不检查整个列的更快方法可以这样做:

np.array(index_slice)[np.where(df.loc[index_slice]['column_name'] >= threshold)[0]]

完整的比较:

import pandas as pd
import numpy as np

index_slice = list(range(50,150)) # know index location for our inteterest
data = np.zeros(10000)
data[(index_slice)] = np.random.random(len(index_slice))

df = pd.DataFrame(
    {'column_name': data},
)

threshold = 0.5

%%timeit
np.array(index_slice)[np.where(df.loc[index_slice]['column_name'] >= threshold)[0]]
# 600 µs ± 1.21 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%%timeit
[i for i in index_slice if i in df.index[df['column_name'] >= threshold].tolist()]
# 22.5 ms ± 29.1 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

它的工作方式是这样的:

# generate Boolean satisfy condition only in sliced column
df.loc[index_slice]['column_name'] >= threshold

# convert Boolean to index, but start from 0 and increment by 1
np.where(...)[0]

# list of index to be sliced
np.array(index_slice)[...]

注意: 需要注意的是，np.array(index_slice)不能被df代替。由于np.where(…)[0]索引从0开始，并增加1，但你可以做一些像df.index[index_slice]。我认为这是不值得的如果你只是用少量的行做一次。

另一种方法是使用pipe()对BoolCol的索引进行管道索引。就性能而言，它与使用[].1的规范索引一样高效

df['BoolCol'].pipe(lambda x: x.index[x])

如果BoolCol实际上是多个比较的结果，并且您希望使用方法链接将所有方法放在一个管道中，这尤其有用。

例如，如果你想获得NumCol值大于0.5、BoolCol值为True且NumCol值和BoolCol值的乘积大于0的行索引，你可以通过eval()对表达式求值并对结果调用pipe()来执行索引

df.eval("NumCol > 0.5 and BoolCol and NumCol * BoolCol >0").pipe(lambda x: x.index[x])

1:下面的基准测试使用了一个有20mil行的数据帧(平均过滤了一半的行)，并检索了它们的索引。与其他有效的选项相比，通过pipe()进行链接的方法做得非常好。

n = 20_000_000
df = pd.DataFrame({'NumCol': np.random.rand(n).astype('float16'), 
                   'BoolCol': np.random.default_rng().choice([True, False], size=n)})

%timeit df.index[df['BoolCol']]
# 181 ms ± 2.47 ms per loop (mean ± std. dev. of 10 runs, 1000 loops each)

%timeit df['BoolCol'].pipe(lambda x: x.index[x])
# 181 ms ± 1.08 ms per loop (mean ± std. dev. of 10 runs, 1000 loops each)

%timeit df['BoolCol'].loc[lambda x: x].index
# 297 ms ± 7.15 ms per loop (mean ± std. dev. of 10 runs, 1000 loops each)

2:对于一个20 mil的行数据帧，以与1)相同的方式构建基准，你会发现这里提出的方法是最快的选择。它比位操作符链执行得更好，因为根据设计，eval()在一个大数据帧上执行多个操作的速度比向量化的Python操作快，而且它比query()更节省内存，因为与query()不同，eval().pipe(…)不需要创建一个切片数据帧的副本来获得它的索引。

简单的方法是在过滤之前重置DataFrame的索引:

df_reset = df.reset_index()
df_reset[df_reset['BoolCol']].index.tolist()

有点俗气，但是很快!

首先，当目标列是bool类型时，你可以检查查询(PS:关于如何使用它，请检查链接)

df.query('BoolCol')
Out[123]: 
    BoolCol
10     True
40     True
50     True

在我们通过布尔列过滤原始df之后，我们可以选择索引。

df=df.query('BoolCol')
df.index
Out[125]: Int64Index([10, 40, 50], dtype='int64')

熊猫也有非零，我们只是选择True行的位置，并使用它切片数据帧或索引

df.index[df.BoolCol.values.nonzero()[0]]
Out[128]: Int64Index([10, 40, 50], dtype='int64')

我扩展了这个问题，即如何获得行，列和值的所有匹配值?

下面是解决方案:

import pandas as pd
import numpy as np


def search_coordinate(df_data: pd.DataFrame, search_set: set) -> list:
    nda_values = df_data.values
    tuple_index = np.where(np.isin(nda_values, [e for e in search_set]))
    return [(row, col, nda_values[row][col]) for row, col in zip(tuple_index[0], tuple_index[1])]


if __name__ == '__main__':
    test_datas = [['cat', 'dog', ''],
                  ['goldfish', '', 'kitten'],
                  ['Puppy', 'hamster', 'mouse']
                  ]
    df_data = pd.DataFrame(test_datas)
    print(df_data)
    result_list = search_coordinate(df_data, {'dog', 'Puppy'})
    print(f"\n\n{'row':<4} {'col':<4} {'name':>10}")
    [print(f"{row:<4} {col:<4} {name:>10}") for row, col, name in result_list]

输出:

          0        1       2
0       cat      dog        
1  goldfish           kitten
2     Puppy  hamster   mouse


row  col        name
0    1           dog
2    0         Puppy

如果你只想使用你的dataframe对象一次，使用:

df['BoolCol'].loc[lambda x: x==True].index