Python Pandas: получить индекс строк, столбец которых соответствует определенному значению

Учитывая DataFrame с столбцом "BoolCol", мы хотим найти индексы DataFrame, в которых значения для "BoolCol" == True

У меня есть итерационный способ сделать это, что отлично работает:

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

Но это не правильный способ panda сделать это. После некоторых исследований я в настоящее время использую этот код:

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

Это дает мне список индексов, но они не совпадают, когда я проверяю их:

df.iloc[i]['BoolCol']

Результат на самом деле False!!

Каким будет правильный способ Pandas для этого?

Ответ 1

df.iloc[i] возвращает ith строку df. i не ссылаюсь на метку индекса, i - индекс на основе 0.

Напротив, атрибут index возвращает фактические метки индекса, а не числовые индексы строк:

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

или эквивалентно,

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

Вы можете увидеть разницу достаточно четко, играя с DataFrame с индексом не по умолчанию, который не равен числовой позиции строки:

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]

Если вы хотите использовать индекс,

In [56]: idx = df.index[df['BoolCol']]

In [57]: idx
Out[57]: Int64Index([10, 40, 50], dtype='int64')

тогда вы можете выбрать строки, используя loc вместо iloc:

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

[3 rows x 1 columns]

Обратите внимание, что loc также может принимать логические массивы:

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

[3 rows x 1 columns]

Если у вас есть логический массив, mask и нужны порядковые значения индекса, вы можете вычислить их с помощью np.flatnonzero:

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

Используйте df.iloc для выбора строк по порядковому индексу:

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

Ответ 2

Может быть выполнено с помощью функции numpy where():

import pandas as pd
import numpy as np

In [716]: df = pd.DataFrame({"gene_name": ['SLC45A1', 'NECAP2', 'CLIC4', 'ADC', 'AGBL4'] , "BoolCol": [False, True, False, True, True] },
       index=list("abcde"))

In [717]: df
Out[717]: 
  BoolCol gene_name
a   False   SLC45A1
b    True    NECAP2
c   False     CLIC4
d    True       ADC
e    True     AGBL4

In [718]: np.where(df["BoolCol"] == True)
Out[718]: (array([1, 3, 4]),)

In [719]: select_indices = list(np.where(df["BoolCol"] == True)[0])

In [720]: df.iloc[select_indices]
Out[720]: 
  BoolCol gene_name
b    True    NECAP2
d    True       ADC
e    True     AGBL4

Хотя вам не всегда нужен индекс для соответствия, но если вам нужно:

In [796]: df.iloc[select_indices].index
Out[796]: Index([u'b', u'd', u'e'], dtype='object')

In [797]: df.iloc[select_indices].index.tolist()
Out[797]: ['b', 'd', 'e']

Ответ 3

Сначала вы можете проверить query когда целевой столбец имеет тип bool (PS: о том, как его использовать, пожалуйста, проверьте ссылку)

df.query('BoolCol')
Out[123]: 
    BoolCol
10     True
40     True
50     True

После того, как мы отфильтруем исходный df по логическому столбцу, мы можем выбрать индекс.

df=df.query('BoolCol')
df.index
Out[125]: Int64Index([10, 40, 50], dtype='int64')

Также у панд nonzero, мы просто выбираем положение строки True и, используя ее, DataFrame или index

df.index[df.BoolCol.nonzero()[0]]
Out[128]: Int64Index([10, 40, 50], dtype='int64')

Ответ 4

Простой способ - сбросить индекс DataFrame перед фильтрацией:

df_reset = df.reset_index()
df_reset[df_reset['BoolCol']].index.tolist()

Немного хак, но это быстро!