给定一个包含“BoolCol”列的DataFrame，我们希望找到其中“BoolCol”值== True的DataFrame的索引
我目前有迭代的方式来做到这一点，这是完美的:
for i in range(100,3000):
if df.iloc[i]['BoolCol']== True:
print i,df.iloc[i]['BoolCol']
但这不是熊猫的正确做法。经过一些研究，我目前正在使用以下代码:
df[df['BoolCol'] == True].index.tolist()
这一个给了我一个索引列表，但它们不匹配，当我检查它们时，我这样做:
df.iloc[i]['BoolCol']
结果实际上是假的!!
熊猫的正确做法是什么?
当前回答
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!
其他回答
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')
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。
df。Iloc [i]返回df的第i行。I不是指索引标签，I是一个基于0的索引。
相反，属性index返回实际的索引标签，而不是数字行索引:
df.index[df['BoolCol'] == True].tolist()
或者说,
df.index[df['BoolCol']].tolist()
通过使用DataFrame，你可以清楚地看到其中的区别 不等于该行数值位置的非默认索引:
df = pd.DataFrame({'BoolCol': [True, False, False, True, True]},
index=[10,20,30,40,50])
In [53]: df
Out[53]:
BoolCol
10 True
20 False
30 False
40 True
50 True
[5 rows x 1 columns]
In [54]: df.index[df['BoolCol']].tolist()
Out[54]: [10, 40, 50]
如果你想使用索引，
In [56]: idx = df.index[df['BoolCol']]
In [57]: idx
Out[57]: Int64Index([10, 40, 50], dtype='int64')
然后你可以使用loc而不是iloc来选择行:
In [58]: df.loc[idx]
Out[58]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
注意，loc也可以接受布尔数组:
In [55]: df.loc[df['BoolCol']]
Out[55]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
如果你有一个布尔数组，掩码，并且需要序号索引值，你可以使用np.flatnonzero来计算它们:
In [110]: np.flatnonzero(df['BoolCol'])
Out[112]: array([0, 3, 4])
使用df。Iloc按序号索引选择行:
In [113]: df.iloc[np.flatnonzero(df['BoolCol'])]
Out[113]:
BoolCol
10 True
40 True
50 True
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!
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
