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