蟒蛇熊猫：获取列与特定值匹配的行的索引

Question

给定一个列为“BoolCol”的数据帧，我们想要查找数据帧的索引，其中“BoolCol”的值 == True

我目前有一种迭代的方法来完成它，它非常有效：

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方法。经过一些研究，我目前正在使用以下代码：

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

这个给了我一个索引列表，但是它们不匹配，当我通过执行以下操作来检查它们时:

df.iloc[i]['BoolCol']

结果其实是假的！！

熊猫的正确做法是什么？

Answer 1

如果您只想使用一次数据帧对象，请使用：

df['BoolCol'].loc[lambda x: x==True].index

Answer 2

可以使用numpy where()函数来完成:

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

虽然你并不总是需要一场比赛的索引，但以防万一，如果你需要:

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']

Answer 3

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，属性索引返回实际的索引标签，而不是数字行索引：

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

或者等价地，

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

通过使用非默认索引不等于行的数字位置的数据帧，您可以非常清楚地看到这种差异:

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]

如果您想使用索引，

In [56]: idx = df.index[df['BoolCol']]

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

然后，您可以使用loc而不是iloc，选择行：

In [58]: df.loc[idx]
Out[58]: 
   BoolCol
10    True
40    True
50    True

[3 rows x 1 columns]

请注意，< code>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]

如果您有一个布尔数组< code>mask，并且需要序号索引值，您可以使用< code > NP . flat非零来计算它们:

In [110]: np.flatnonzero(df['BoolCol'])
Out[112]: array([0, 3, 4])

使用＜code＞df。iloc按顺序索引选择行：

In [113]: df.iloc[np.flatnonzero(df['BoolCol'])]
Out[113]: 
   BoolCol
10    True
40    True
50    True