Pandy Pythona: Uzyskaj indeks wierszy, których kolumna odpowiada określonej wartości

Biorąc pod uwagę DataFrame z kolumną „BoolCol”, chcemy znaleźć indeksy DataFrame, w których wartości dla „BoolCol” == True

Obecnie mam iteracyjny sposób, aby to zrobić, co działa idealnie:

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

Ale to nie jest właściwy sposób, aby to zrobić panda. Po kilku badaniach aktualnie używam tego kodu:

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

Ten daje mi listę indeksów, ale nie pasują one, gdy sprawdzam je, wykonując:

df.iloc[i]['BoolCol']

Wynik jest w rzeczywistości False !!

Jaki byłby właściwy sposób, aby to zrobić?

df.iloc[i]zwraca ithwiersz df. inie odnosi się do etykiety indeksu, ijest indeksem 0.

Natomiast atrybut indexzwraca rzeczywiste etykiety indeksów , a nie numeryczne indeksy wierszy:

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

lub równoważnie

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

Różnicę widać dość wyraźnie, grając z DataFrame z domyślnym indeksem, który nie jest równy numerycznej pozycji wiersza:

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]

Jeśli chcesz użyć indeksu ,

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

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

następnie możesz wybrać wiersze za pomocą loczamiastiloc :

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

[3 rows x 1 columns]

Zauważ, że locakceptuje również tablice boolowskie :

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

[3 rows x 1 columns]

Jeśli masz tablicę boolowską maski potrzebujesz wartości indeksu porządkowego, możesz je obliczyć za pomocąnp.flatnonzero :

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

Użyj, df.ilocaby wybrać wiersze według indeksu porządkowego:

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

Można to zrobić za pomocą funkcji 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

Chociaż nie zawsze potrzebujesz indeksu dla dopasowania, ale zwiększ, jeśli potrzebujesz:

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']

Prostym sposobem jest zresetowanie indeksu DataFrame przed filtrowaniem:

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

Trochę hacky, ale jest szybki!

Najpierw możesz sprawdzić, querykiedy kolumna docelowa jest typu bool (PS: o tym, jak z niej korzystać, sprawdź link )

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

Po przefiltrowaniu oryginalnego pliku df według kolumny logicznej możemy wybrać indeks.

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

Również pandy mają nonzero, po prostu wybrać pozycję z Truerzędu i wykorzystuje je pokroić DataFramelubindex

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

Jeśli chcesz użyć obiektu ramki danych tylko raz, użyj:

df['BoolCol'].loc[lambda x: x==True].index

I rozszerzył to pytanie, które jest jak dostaje row, columni valuewszelkiej wartości meczów?

oto rozwiązanie:

import pandas as pd
import numpy as np


def search_coordinate(df_data: pd.DataFrame, search_set: set) -> list:
    nda_values = df_data.values
    tuple_index = np.where(np.isin(nda_values, [e for e in search_set]))
    return [(row, col, nda_values[row][col]) for row, col in zip(tuple_index[0], tuple_index[1])]


if __name__ == '__main__':
    test_datas = [['cat', 'dog', ''],
                  ['goldfish', '', 'kitten'],
                  ['Puppy', 'hamster', 'mouse']
                  ]
    df_data = pd.DataFrame(test_datas)
    print(df_data)
    result_list = search_coordinate(df_data, {'dog', 'Puppy'})
    print(f"\n\n{'row':<4} {'col':<4} {'name':>10}")
    [print(f"{row:<4} {col:<4} {name:>10}") for row, col, name in result_list]

Wynik:

          0        1       2
0       cat      dog        
1  goldfish           kitten
2     Puppy  hamster   mouse


row  col        name
0    1           dog
2    0         Puppy