在 Pandas 中如何获取列与特定值匹配的行的索引？

在特征工程中，查找行的索引的必要性是很重要的。这些技能对于去除 Dataframe 中的离群值或异常值很有用。索引，也就是行标签，可以在 Pandas 中使用几个函数找到。

1.在 Pandas 中获取包含整数/浮点数的行的索引

pandas.DataFrame.loc函数可以通过其标签/名称访问行和列。它直接返回与作为标签传递的给定布尔条件相匹配的行。请注意片段中df.loc旁边的方括号。

import pandas as pd
import numpy as np
np.random.seed(0)
df = pd.DataFrame(np.random.randint(1,20,size=(20, 4)), columns=list('ABCD'))
print (df.loc[df['B'] == 19])

对应于布尔条件的行将以 Dataframe 格式的输出返回。

输出：

A   B  C   D
6   1  19  4  18
9  12  19  3   1

多个条件可以被串联起来并一起应用到函数中，如下所示。这有助于根据特定条件隔离行。

import pandas as pd
import numpy as np
np.random.seed(0)
df = pd.DataFrame(np.random.randint(1,20,size=(20, 4)), columns=list('ABCD'))
print (df.loc[(df['B'] == 19) | (df['C'] == 19)])

输出：

A   B   C   D
6    1  19   4  18
9   12  19   3   1
14  12  15  19   1

用 pandas.DataFrame.index() 获取行的索引

如果你想只查找满足作为参数传递的布尔条件的 DataFrame 的匹配索引，pandas.DataFrame.index() 是最简单的实现方式。

import pandas as pd
import numpy as np
np.random.seed(0)
df = pd.DataFrame(np.random.randint(1,20,size=(20, 4)), columns=list('ABCD'))
print (df.index[df['B'] == 19].tolist())

在上面的代码段中，列 A 中与布尔条件 ==1 相匹配的行以输出的方式返回，如下所示。

输出：

[6, 9]

我们之所以把 tolist() 放在 index() 方法后面，是为了把 Index 转换为列表，否则，结果就是 Int64Index 数据类型。

Int64Index([6, 9], dtype='int64'

也可以根据多个条件只检索索引。这段代码可以写成如下。

import pandas as pd
import numpy as np
np.random.seed(0)
df = pd.DataFrame(np.random.randint(1,20,size=(20, 4)), columns=list('ABCD'))
print (df.index[(df['B'] == 19) | (df['C'] == 19)].tolist())

输出：

[6, 9, 14]

python基础知识资料分享给大家~~~ 获取方式：

【资料免费领】| 程序员必备指南+Python学习资料，0元抱走！

2.在 Pandas 中获取包含字符串的行的索引

字符串值可以根据两种方法进行匹配。上一节中所示的两种方法都可以使用，除了条件变化。

在下面的例子中，我们将使用以下片段。

import pandas as pd
df = pd.DataFrame({"Name": ["blue", 
                            "delta", 
                            "echo", 
                            "charlie", 
                            "alpha"], 
                    "Type": ["Raptors",
                            "Raptors",
                            "Raptors",
                            "Raptors",
                            "Tyrannosaurus rex"]
print (df)

输出：

Name               Type
0     blue            Raptors
1    delta            Raptors
2     echo            Raptors
3  charlie            Raptors
4    alpha  Tyrannosaurus rex

用精确字符串匹配获取行的索引

上一节中使用的相等条件可以用来寻找 Dataframe 中的精确字符串匹配。我们来寻找两个字符串。

import pandas as pd
df = pd.DataFrame({"Name": ["blue", 
                            "delta", 
                            "echo", 
                            "charlie", 
                            "alpha"], 
                    "Type": ["Raptors",
                            "Raptors",
                            "Raptors",
                            "Raptors",
                            "Tyrannosaurus rex"]
print (df.index[(df['Name'] == 'blue')].tolist())
print ('\n')
print (df.loc[df['Name'] == 'blue'])
print ('\n')
print (df.loc[(df['Name'] == 'charlie') & (df['Type'] =='Raptors')])

输出：

[0]
   Name     Type
0  blue  Raptors
      Name     Type
3  charlie  Raptors

如上所示，索引和符合条件的行都可以被接收。

获取具有部分字符串匹配条件的行的索引

通过将 DataFrame 与 str.contains 函数进行链式连接，可以部分匹配字符串值。在下面的例子中，我们将在 c ha rlie 和 alp ha 中寻找字符串 ha 。

import pandas as pd
df = pd.DataFrame({"Name": ["blue", 
                            "delta", 
                            "echo", 
                            "charlie", 
                            "alpha"], 
                    "Type": ["Raptors",
                            "Raptors",
                            "Raptors",
                            "Raptors",
                            "Tyrannosaurus rex"]
print (df.index[df['Name'].str.contains('ha')].tolist())
print ('\n')
print (df.loc[df['Name'].str.contains('ha')])
print ('\n')
print (df.loc[(df['Name'].str.contains('ha')) & (df['Type'].str.contains('Rex'))])

输出：

[3, 4]
      Name               Type