给定一个带有列"BoolCol"的DataFrame,如何找到满足条件"BoolCol" == True的DataFrame
的索引
目前有迭代的方式来做到这一点:
1
2
3
|
for i in range ( 100 , 3000 ):
if df.iloc[i][ 'BoolCol' ] = = True :
print i,df.iloc[i][ 'BoolCol' ]
|
这虽然可行,但不是标准的 Pandas 方式。经过一番研究,我目前正在使用这个代码:
df[df['BoolCol'] == True].index.tolist()
这个给了我一个索引列表,但跟我想要的不匹配,当检查:
df.iloc[i]['BoolCol']
其结果实际上是False!
如何使用正确的 Pandas 方式做到这一点?
最佳解决方法
df.iloc[i]返回df的第i行。 i不引用索引标签,i是从0开始的索引。
相反,属性index返回实际的索引标签,而不是数字row-indices:
df.index[df['BoolCol'] == True].tolist()
或者等同地,
df.index[df['BoolCol']].tolist()
通过使用带有"unusual"索引的DataFrame,可以非常清楚地看到差异:
1
2
3
4
5
6
7
8
9
10
11
12
13
|
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,
1
2
3
|
In [ 56 ]: idx = df.index[df[ 'BoolCol' ]]
In [ 57 ]: idx
Out[ 57 ]: Int64Index([ 10 , 40 , 50 ], dtype = 'int64' )
|
那么您可以使用loc而不是iloc选择行:
1
2
3
4
5
6
7
8
|
In [ 58 ]: df.loc[idx]
Out[ 58 ]:
BoolCol
10 True
40 True
50 True
[ 3 rows x 1 columns]
|
请注意,loc也可以接受布尔数组:
1
2
3
4
5
6
7
8
|
In [ 55 ]: df.loc[df[ 'BoolCol' ]]
Out[ 55 ]:
BoolCol
10 True
40 True
50 True
[ 3 rows x 1 columns]
|
如果您有一个布尔数组mask,并且需要序数索引值,则可以使用np.flatnonzero来计算它们:
1
2
|
In [ 110 ]: np.flatnonzero(df[ 'BoolCol' ])
Out[ 112 ]: array([ 0 , 3 , 4 ])
|
使用df.iloc按顺序索引选择行:
参考文献
Python Pandas: Get index of rows which column matches certain value
总结
以上所述是小编给大家介绍的Python Pandas 获取列匹配特定值的行的索引问题,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对服务器之家网站的支持!
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!
原文链接:https://vimsky.com/article/3713.html