Question

我正在使用基于标签的索引功能loc在列列表（即列表"UN"）中搜索对象值为"columns"的所有标签，但是在此loc在第一个索引处找不到"UN"时，将立即停止编码，然后仅打印第一个索引。

columns=["median","age","capital"]  # this is the list of columns

recent_grads是我的数据框。

for column in columns:
    recent_grads.loc[0:172 == 'UN',column]

这是'median'列

recent_grads["median"]

0        NaN
1      75000
2      73000
3      70000
4      65000
5      65000
6         UN
7      62000
8      60000
9      60000
10     60000
11     60000
12     60000
13     60000
14     58000
15     57100
16     57000
17     56000
18     54000
19     54000
20     53000
21     53000
22     52000
23     52000
24     51000
25     50000
26     50000
27     50000
28     50000
29     50000
       ...  
143    32000
144    32000
145    31500
146    31000
147    31000
148    31000
149    30500
150    30000
151    30000
152    30000
153    30000
154    30000
155    30000
156    30000
157    30000
158    29000
159    29000
160    29000
161    29000
162    28000
163    28000
164    28000
165    27500
166    27000
167    27000
168    26000
169    25000
170    25000
171    23400
172    22000
Name: median, Length: 173, dtype: object

关于我的代码的输出：

recent_grads.loc[0:172 == 'UN',"median"]

输出：

0    NaN
Name: median, dtype: object

选择随机起始索引

recent_grads.loc[3:172 == ['UN'],"median"]

输出结果不同：

Series([], Name: median, dtype: object)

Answer 1

我认为您需要在前172条记录的列中搜索“ UN”，如果是这样的话：

# returns a dataframe
df.head(172).filter(df[column] == 'UN')

文档：https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.filter.html#pandas.DataFrame.filter

更新：

如果您想使用loc，请简单：

df.head(172).loc[df[column] == 'UN']

对于接受的答案，这不会将dataframe转换为列表，后者会创建一个新对象，并且可能会消耗更多的内存，尤其是在您的数据很大时。因此，这种本机Dataframe方法更有效。

Answer 2

如果要使用“ UN”标签：

使用：

list_of_index=list(recent_grads[recent_grads['median'].str.contains('UN',na=False)].index)

或：

list_of_index = list(recent_grads.loc[recent_grads['median']=='UN'].index)

其中：

recent_grads.loc[recent_grads['median']=='UN']

查找包含UN

的行

使用loc替换/选择列中的值。大熊猫

2 个答案: