Question

假设我有以下数据框：

有没有办法可以获得特定值存在的索引/列值？例如，类似于以下内容：

values = df.search(1)

会有values = [(1, 'a'), (2, 'b'), (3, 'b')]。

Answer 1

df[df == 1].stack().index.tolist()

产量

[(1, 'a'), (2, 'b'), (3, 'b')]

Answer 2

如果您不介意使用NumPy数组，其中第一列表示索引位置，第二列表示列名的索引，因为它位于df.columns中，然后它很短：

In [11]: np.argwhere(df)
Out[11]: 
array([[1, 0],
       [2, 1],
       [3, 1]])

如果要将其格式化为具有实际列名的元组列表，您可以进一步执行以下操作：

In [12]: [(x, df.columns[y]) for x,y in np.argwhere(df)]
Out[12]: [(1, 'a'), (2, 'b'), (3, 'b')]

您可以在np.argwhere内部使用与逻辑表达式相同的方法，例如，假设您有一些随机数据的DataFrame：

In [13]: dfrm
Out[13]: 
          A         B         C
0  0.382531  0.287066  0.345749
1  0.725201  0.450656  0.336720
2  0.146883  0.266518  0.011339
3  0.111154  0.190367  0.275750
4  0.757144  0.283361  0.736129
5  0.039405  0.643290  0.383777
6  0.632230  0.434664  0.094089
7  0.658512  0.368150  0.433340
8  0.062180  0.523572  0.505400
9  0.287539  0.899436  0.194938

[10 rows x 3 columns]

然后你可以这样做：

In [14]: [(x, dfrm.columns[y]) for x,y in np.argwhere(dfrm > 0.8)]
Out[14]: [(9, 'B')]

作为搜索功能，可以这样定义：

def search(df, df_condition):
    return [(x, df.columns[y]) for x,y in np.argwhere(df_condition(df))]

例如：

In [17]: search(dfrm, lambda x: x > 0.8)
Out[17]: [(9, 'B')]

In [18]: search(df, lambda x: x == 1)
Out[18]: [(1, 'a'), (2, 'b'), (3, 'b')]

Answer 3

使用pd.melt +其他一些改编。

import pandas as pd

df = pd.DataFrame({'a':[0,1,0,0],
                    'b':[0,0,1,1]})

df1 = pd.melt(df.reset_index(),id_vars=['index'])
df1 = df1[df1['value'] == 1]
locations = zip(df1['index'],df1['variable'])

输出：

[(1, 'a'), (2, 'b'), (3, 'b')]

Python pandas：获取数据框中值的位置

3 个答案: