将Pandas数据框的行映射到numpy数组

Question

对不起，我知道有很多与索引相关的问题，很可能让我无所适从，但是我对此有些麻烦。我熟悉.loc，.iloc和.index方法和切片。方法.reset_index可能尚未（也可能无法）在我们的数据帧上调用，因此索引标签可能不正确。数据框和numpy数组实际上是数据框的长度不同的子集，但在本示例中，我将保持它们的大小相同（一旦有了示例，我就可以处理偏移量）。

这里是一张图片，显示我在寻找什么：

我可以根据一些搜索条件从数据框中提取行的列。

idxlbls = df.index[df['timestamp'] == dt]
stuff = df.loc[idxlbls, 'col3':'col5']

但是如何将其映射到行号（数组索引，而不是标签索引）以用作numpy中的数组索引（假设行长度相同）？

stuffprime = array[?, ?]

我需要它的原因是因为数据帧更大且更完整，并且包含列搜索条件，但是numpy数组是在管道中事先提取和修改的子集（并且没有相同的搜索条件）在他们之中）。我需要搜索数据框并从numpy数组中提取等效数据。基本上，我需要将数据帧中的特定行与numpy数组的相应行相关联。

Answer 1

我会将熊猫指数映射到numpy索引：

keys_dict = dict(zip(idxlbls, range(len(idxlbls))))

然后，您可以使用字典keys_dict通过熊猫索引array[keys_dict[some_df_index], :]

来寻址数组元素。

Answer 2

我相信过滤后的列名称需要get_indexer，对于位置的索引也可以使用相同的方式，对于布尔掩码，numpy.where可以用于位置：

df = pd.DataFrame({'timestamp':list('abadef'),
                   'B':[4,5,4,5,5,4],
                   'C':[7,8,9,4,2,3],
                   'D':[1,3,5,7,1,0],
                   'E':[5,3,6,9,2,4]}, index=list('ABCDEF'))

print (df)
  timestamp  B  C  D  E
A         a  4  7  1  5
B         b  5  8  3  3
C         a  4  9  5  6
D         d  5  4  7  9
E         e  5  2  1  2
F         f  4  3  0  4

idxlbls = df.index[df['timestamp'] == 'a']
stuff = df.loc[idxlbls, 'C':'E']
print (stuff)
   C  D  E
A  7  1  5
C  9  5  6

a = df.index.get_indexer(stuff.index)

或通过布尔掩码获取职位：

a = np.where(df['timestamp'] == 'a')[0]

print (a)
[0 2]

---

b = df.columns.get_indexer(stuff.columns)
print (b)
[2 3 4]