Question

我有这样的数据框df_corr

  A2M.AX    ABC.AX    AGL.AX    AHY.AX    ALL.AX    AMC.AX    AMP.AX  
A2M.AX  1.000000 -0.505433  0.687367  0.223044 -0.664764 -0.199477   
ABC.AX -0.505433  1.000000 -0.801770 -0.606418  0.860923  0.332359   
AGL.AX  0.687367 -0.801770  1.000000  0.394378 -0.917379 -0.193461  
AHY.AX  0.223044 -0.606418  0.394378  1.000000 -0.483766 -0.063892  
ALL.AX -0.664764  0.860923 -0.917379 -0.483766  1.000000  0.177633

我想根据值获取索引和列名这是我的尝试：

df_corr[(df_corr>0.7)&(df_corr<1)]


 A2M.AX    ABC.AX    AGL.AX    AHY.AX    ALL.AX  AMC.AX    AMP.AX  

ABC.AX       NaN       NaN       NaN       NaN  0.860923     NaN  
AGL.AX       NaN       NaN       NaN       NaN       NaN     NaN        
AHY.AX       NaN       NaN       NaN       NaN       NaN     NaN       
ALL.AX       NaN  0.860923       NaN       NaN       NaN     NaN

预期结果：

AGL.AX ALL.AX
AMC.AX ABC.AX

Answer 1

使用stack重塑/旋转数据框，并将索引转换为多索引：

df_corr[(df_corr>0.7)&(df_corr<1)].stack()
Out[79]: 
A2M.AX        
ABC.AX  AMC.AX    0.860923
ALL.AX  AGL.AX    0.860923
dtype: float64

df_corr[(df_corr>0.7)&(df_corr<1)].stack().index.values
Out[80]: array([('ABC.AX', 'AMC.AX'), ('ALL.AX', 'AGL.AX')], dtype=object)

Answer 2

这是使用NumPy索引的一种方法，它避免了必须对数据帧进行子集化的情况。

import numpy as np

condition = df.gt(0.7) & df.lt(1)

x, y = map(list, zip(*np.where(condition.values)))

res = list(zip(df.index[x], df.columns[y]))

[('ABC.AX', 'AMC.AX'), ('ALL.AX', 'AGL.AX')]

根据数据框值获取列名和索引

2 个答案: