在Pandas DataFrame中返回包含字符串的第一个单元格 - 最有效的方法？

Posted 2021-03-27

寻找一种有效的方法来搜索大型DataFrame并返回包含字符串的单元格的行号。我有下面的代码可以工作，但只是想知道这是否是最有效的方法，因为它涉及两个“for”循环

在这个例子中，我试图找到一个包含“Car Type”的单元格

for row in range(df.shape[0]):  # Loop through rows
    for col in range(df.shape[1]):  # Loop through columns
        if df.iat[row, col] == 'Car Type':
            row_start: int = row
            break

可能是for循环在DataFrame上实际上非常快，但从我所读到的内容来看，最好尽可能多地使用Pandas的内置功能来提高效率，而且我不确定我是否会让这更复杂比它需要的

编辑：理想情况下，只有在可能的情况下才使用Pandas库

答案

如果您有列的列表，那么您可以这样做

df.query（'col_name'=='Car Type'）

如果这就是您所需要的，您可以使用它来实现它。如果您需要更多说明，请随时添加评论。

另一答案

编辑：

熊猫解决方案 - 首先由DataFrame.stack重塑，然后删除第二级MultiIndex和最后过滤器index值：

df = pd.DataFrame({
        'A':list('abcdef'),
         'B':[4,5,4,5,5,4],
         'C':[7,8,9,4,2,3],
         'D':[1,3,5,7,'Car Type',0],
         'E':[5,3,6,9,2,4],
         'F':list('aaabbb')
})
print (df)
   A  B  C         D  E  F
0  a  4  7         1  5  a
1  b  5  8         3  3  a
2  c  4  9         5  6  a
3  d  5  4         7  9  b
4  e  5  2  Car Type  2  b
5  f  4  3         0  4  b

r = df.stack().reset_index(level=1, drop=True) == 'Car Type'
out = next(iter(r.index[r]), 'no match')
print (out)
4

如果性能很重要，Numpy解决方案会更好：

您可以通过比较2d numpy数组和numpy.where获得第一个匹配的索引值的位置，然后使用next和iter作为可能的返回默认值（如果不匹配的值）：

r, c = np.where(df.values == 'Car Type')
out = next(iter(r), 'no match')

如果不是默认索引值：

out = next(iter(df.index[r]), 'no match')