Try:

df[df['B']==3]['A'].item()

假设df是你的pandas.DataFrame。

你可以用loc来获取满足条件的序列，然后用iloc来获取第一个元素:

In [2]: df
Out[2]:
    A  B
0  p1  1
1  p1  2
2  p3  3
3  p2  4

In [3]: df.loc[df['B'] == 3, 'A']
Out[3]:
2    p3
Name: A, dtype: object

In [4]: df.loc[df['B'] == 3, 'A'].iloc[0]
Out[4]: 'p3'

你可以试试query，这样打字就少了:

df.query('B==3')['A']

使用df (df [B] = = 3] [A]。如果您只想要item本身不带括号，则值为[0]

df.loc[df['B']=='give-specific-value', 'A']````

I have also worked on this clausing and extraction operations for my assignment.

编辑:我在前面所描述的是链式索引，在某些情况下可能不起作用。最佳实践是使用loc，但概念是相同的:

df.loc[row, col]

row和col可以直接指定(例如，'A'或['A'， 'B'])或带掩码(例如，df['B'] == 3)。使用下面的示例:

df.loc[df['B'] == 3, 'A']

前情提要:用这些术语来思考对我来说更容易，但借鉴了其他答案。你想要的值位于一个数据框架中:

df[*column*][*row*]

其中列和行指向您希望返回的值。在你的例子中，列是“A”，行你使用掩码:

df['B'] == 3

要从序列中获得第一个匹配的值，有几个选项:

df['A'][df['B'] == 3].values[0]
df['A'][df['B'] == 3].iloc[0]
df['A'][df['B'] == 3].to_numpy()[0]

你可以使用squeeze代替iloc[0]。如果你只有一个值，它看起来更清晰:

df.loc[df['B'] == 3, 'A'].squeeze()

输出:

'p3'