以整数形式获取 pandas 数据框行的索引

Posted 2023-03-11

【中文标题】以整数形式获取 pandas 数据框行的索引

【英文标题】：Get index of a row of a pandas dataframe as an integer

【发布时间】：2017-05-04 04:38:09

【问题描述】：

假设一个简单的数据框，例如

    A         B
0   1  0.810743
1   2  0.595866
2   3  0.154888
3   4  0.472721
4   5  0.894525
5   6  0.978174
6   7  0.859449
7   8  0.541247
8   9  0.232302
9  10  0.276566

在给定条件的情况下，如何检索行的索引值？ 例如： dfb = df[df['A']==5].index.values.astype(int) 返回[4]，但我想得到的只是4。这在后面的代码中给我带来了麻烦。

根据某些条件，我希望记录满足该条件的索引，然后选择其中的行。

我试过了

dfb = df[df['A']==5].index.values.astype(int)
dfbb = df[df['A']==8].index.values.astype(int)
df.loc[dfb:dfbb,'B']

想要的输出

    A         B
4   5  0.894525
5   6  0.978174
6   7  0.859449

但我得到TypeError: '[4]' is an invalid key

【问题讨论】：

df.query 和 pd.eval 似乎很适合这个用例。有关pd.eval() 系列函数、它们的特性和用例的信息，请访问Dynamic Expression Evaluation in pandas using pd.eval()。

【参考方案1】：

更简单的是添加[0] - 用一个元素选择列表的第一个值：

dfb = df[df['A']==5].index.values.astype(int)[0]
dfbb = df[df['A']==8].index.values.astype(int)[0]

---

dfb = int(df[df['A']==5].index[0])
dfbb = int(df[df['A']==8].index[0])

但如果可能某些值不匹配，则会引发错误，因为第一个值不存在。

如果值不匹配，解决方案是使用 next 和 iter 获取默认参数：

dfb = next(iter(df[df['A']==5].index), 'no match')
print (dfb)
4

dfb = next(iter(df[df['A']==50].index), 'no match')
print (dfb)
no match

那么好像需要减法1:

print (df.loc[dfb:dfbb-1,'B'])
4    0.894525
5    0.978174
6    0.859449
Name: B, dtype: float64

boolean indexing 或query 的另一种解决方案：

print (df[(df['A'] >= 5) & (df['A'] < 8)])
   A         B
4  5  0.894525
5  6  0.978174
6  7  0.859449

print (df.loc[(df['A'] >= 5) & (df['A'] < 8), 'B'])
4    0.894525
5    0.978174
6    0.859449
Name: B, dtype: float64

---

print (df.query('A >= 5 and A < 8'))
   A         B
4  5  0.894525
5  6  0.978174
6  7  0.859449

【参考方案2】：

要回答有关如何将索引作为所需选择的整数的原始问题，以下将起作用：

df[df['A']==5].index.item()

【参考方案3】：

想要包含 A == 5 所在的行和所有行但不包括 A == 8 的行意味着我们最终将使用 iloc 的行的性质（loc 包括两者切片的末端）。

为了获得索引标签，我们使用idxmax。这将返回最大值的第一个位置。我在一个布尔系列上运行它，其中A == 5（然后是A == 8）返回A == 5第一次发生时的索引值（A == 8也是如此）。

然后我使用searchsorted 找到索引标签（我在上面找到的）出现的顺序位置。这是我在iloc 中使用的。

i5, i8 = df.index.searchsorted([df.A.eq(5).idxmax(), df.A.eq(8).idxmax()])
df.iloc[i5:i8]

---

numpy

您可以通过使用底层 numpy 对象和类似的 numpy 函数来进一步增强这一点。我把它包装成一个方便的函数。

def find_between(df, col, v1, v2):
    vals = df[col].values
    mx1, mx2 = (vals == v1).argmax(), (vals == v2).argmax()
    idx = df.index.values
    i1, i2 = idx.searchsorted([mx1, mx2])
    return df.iloc[i1:i2]

find_between(df, 'A', 5, 8)

---

时机

【参考方案4】：

按行搜索的小总结：

如果您不知道列值或列具有非数字值，这可能很有用

如果你想把索引号作为整数你也可以这样做：

item = df[4:5].index.item()
print(item)
4

它也适用于 numpy / list:

numpy = df[4:7].index.to_numpy()[0]
lista = df[4:7].index.to_list()[0]

在 [x] 中，你选择 [4:7] 范围内的数字，例如如果你想要 6：

numpy = df[4:7].index.to_numpy()[2]
print(numpy)
6

对于数据框：

df[4:7]

    A          B
4   5   0.894525
5   6   0.978174
6   7   0.859449

或：

df[(df.index>=4) & (df.index<7)]

    A          B
4   5   0.894525
5   6   0.978174
6   7   0.859449