按条件

Question

假设我有一个带数值的数据框。

如何在特定阈值以下找到\ _以上单元格的所有索引（“row”+“col”+“Value”）？

例如：

df = pd.DataFrame([[1,2,3],[4,5,6]], columns=['a', 'b', 'c'])

我的门槛是2 我想得到：

[[0,c,3],[1,a,4][1,b,5],[1,c,6]]

Answer 1

使用stack进行重塑，按MultiIndex创建列，按query过滤，最后转换为nested list：

c = df.stack().reset_index(name='val').query('val > 2').values.tolist()
print (c)
[[0, 'c', 3], [1, 'a', 4], [1, 'b', 5], [1, 'c', 6]]

提高性能的另一个愚蠢的解决方案：

#create numpy array
arr = df.values
#create boolean mask
m =  arr > 2
#get positions ot True values
a = np.where(m)
#filter values to 1d array by mask
b = arr.ravel()[m.ravel()]

#final list by indexinf columns and index values, map for convert nested tuples
c = list(map(list, zip(df.index[a[0]], df.columns[a[1]], b)))
print (c)
[[0, 'c', 3], [1, 'a', 4], [1, 'b', 5], [1, 'c', 6]]

Answer 2

您可以使用：

df[df.gt(2)].stack().reset_index().values.tolist()

输出：

[[0, 'c', 3.0], [1, 'a', 4.0], [1, 'b', 5.0], [1, 'c', 6.0]]