Python Pandas 获取列匹配特定值的行的索引

问题背景与常见误区

假设有一个包含列 "BoolCol" 的 DataFrame，我们需要找出满足条件 "BoolCol" == True的DataFrame 的行所对应的索引位置。

一种常见的做法是通过循环迭代来实现：

for i in range(100,3000):
  if df.iloc[i]['BoolCol']== True:
     print i,df.iloc[i]['BoolCol']

这种方法虽然可以运行，但并非 Pandas 推荐的标准做法，效率较低。经过研究，更优的代码实现如下：

df[df['BoolCol'] == True].index.tolist()

上述代码返回了一个索引列表，但直接使用该列表中的元素去访问原始 DataFrame 时，结果可能与预期不符。例如，尝试通过该索引访问具体行时：

df.iloc[i]['BoolCol']

你会发现实际返回的结果往往是 False 或者引发错误，这表明直接混用索引类型存在问题。

那么，如何使用符合 Pandas 规范的方式来正确获取这些行的索引呢？

正确获取索引的方法

以下是最佳的解决方案。

iloc 与 loc 的区别及索引使用技巧

首先需要明确的是，df.iloc[i] 返回的是 DataFrame 中第 i 行数据，这里的 i 代表的是从 0 开始的整数位置索引，而非 DataFrame 自定义的索引标签。

相反，属性 index 返回的是实际的索引标签（index labels），而不是数字化的行号。例如：

df.index[df['BoolCol'] == True].tolist()

或者采用等价的方式：

df.index[df['BoolCol']].tolist()

为了更清晰地展示这种差异，我们可以创建一个带有非连续或非默认索引的 DataFrame 进行演示：

df = pd.DataFrame({'BoolCol': [True, False, False, True, True]},
    index=[10,20,30,40,50])
In [53]: df
Out[53]: 
  BoolCol
10  True
20  False
30  False
40  True
50  True
[5 rows x 1 columns]
In [54]: df.index[df['BoolCol']].tolist()
Out[54]: [10, 40, 50]

如果你希望基于这些筛选出的索引标签来选取行，

In [56]: idx = df.index[df['BoolCol']]
In [57]: idx
Out[57]: Int64Index([10, 40, 50], dtype='int64')

应当使用 loc 而不是 iloc。具体操作如下：

In [58]: df.loc[idx]
Out[58]: 
  BoolCol
10  True
40  True
50  True

[3 rows x 1 columns]

值得注意的是，loc 同样可以直接接受布尔数组作为筛选条件：

In [55]: df.loc[df['BoolCol']]
Out[55]: 
  BoolCol
10  True
40  True
50  True

[3 rows x 1 columns]

如果你已经生成了一个布尔数组 mask，并且需要获取这些 True 值在原始序列中的序数索引（即从 0 开始的整数位置），可以使用 np.flatnonzero 来计算：

In [110]: np.flatnonzero(df['BoolCol'])
Out[112]: array([0, 3, 4])

最后，若需通过序数索引使用 df.iloc 来选择行，代码如下：

In [113]: df.iloc[np.flatnonzero(df['BoolCol'])]
Out[113]: 
  BoolCol
10  True
40  True
50  True
python pandas

参考文献

Python Pandas: Get index of rows which column matches certain value

总结

以上内容介绍了在 Python Pandas 中获取列匹配特定值行索引的方法。希望这些信息能解决您的疑问，如有其他问题欢迎留言交流。感谢支持！