关于索引：Python Pandas：获取列匹配特定值的行的索引


Python Pandas: Get index of rows which column matches certain value

给定一个带有"BoolCol"列的DataFrame，我们想要找到DataFrame的索引，其中"BoolCol"的值== True

我目前有迭代的方式来做到这一点，它完美地工作：

1
2
3
for i in range(100,3000):
    if df.iloc[i]['BoolCol']== True:
         print i,df.iloc[i]['BoolCol']

但这不是正确的熊猫方式。
经过一些研究，我目前正在使用此代码：

1
df[df['BoolCol'] == True].index.tolist()

这个给了我一个索引列表，但是当我通过这样做检查它们时它们不匹配：

1
df.iloc[i]['BoolCol']

结果实际上是假的!!

这是正确的熊猫方式吗？

df.iloc[i]返回df的ith行。 i不引用索引标签，i是基于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：

1
df.index[df['BoolCol'] == True].tolist()

或等效地，

1
df.index[df['BoolCol']].tolist()

你可以通过使用DataFrame来清楚地看到差异
非默认索引，不等于行的数字位置：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
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]

如果要使用索引，

1
2
3
4
In [56]: idx = df.index[df['BoolCol']]

In [57]: idx
Out[57]: Int64Index([10, 40, 50], dtype='int64')

然后您可以使用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：

1
2
3
4
5
6
In [113]: df.iloc[np.flatnonzero(df['BoolCol'])]
Out[113]:
   BoolCol
10    True
40    True
50    True
相关讨论

可以使用numpy where()函数完成：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
import pandas as pd
import numpy as np

In [716]: df = pd.DataFrame({"gene_name": ['SLC45A1', 'NECAP2', 'CLIC4', 'ADC', 'AGBL4'] ,"BoolCol": [False, True, False, True, True] },
       index=list("abcde"))

In [717]: df
Out[717]:
  BoolCol gene_name
a   False   SLC45A1
b    True    NECAP2
c   False     CLIC4
d    True       ADC
e    True     AGBL4

In [718]: np.where(df["BoolCol"] == True)
Out[718]: (array([1, 3, 4]),)

In [719]: select_indices = list(np.where(df["BoolCol"] == True)[0])

In [720]: df.iloc[select_indices]
Out[720]:
  BoolCol gene_name
b    True    NECAP2
d    True       ADC
e    True     AGBL4

虽然您并不总是需要匹配索引，但如果您需要，请填写：

1
2
3
4
5
In [796]: df.iloc[select_indices].index
Out[796]: Index([u'b', u'd', u'e'], dtype='object')

In [797]: df.iloc[select_indices].index.tolist()
Out[797]: ['b', 'd', 'e']

首先，当目标列的类型为bool时，您可以检查query(PS：关于如何使用它请检查链接)

1
2
3
4
5
6
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后，我们可以选择索引。

1
2
3
df=df.query('BoolCol')
df.index
Out[125]: Int64Index([10, 40, 50], dtype='int64')

还有pandas nonzero，我们只选择True行的位置并使用它切片DataFrame或index

1
2
df.index[df.BoolCol.nonzero()[0]]
Out[128]: Int64Index([10, 40, 50], dtype='int64')

简单的方法是在过滤之前重置DataFrame的索引：

1
2
df_reset = df.reset_index()
df_reset[df_reset['BoolCol']].index.tolist()

有点hacky，但它很快！