Python Pandas：列が特定の値に一致する行のインデックスを取得します

列「BoolCol」を持つDataFrameが与えられた場合、「BoolCol」の値== TrueであるDataFrameのインデックスを見つけたいと思います。

私は現在それを行うための反復的な方法を持っています、それは完全に機能します：

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

しかし、これはパンダの正しいやり方ではありません。いくつかの調査の後、私は現在このコードを使用しています：

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

これは私にインデックスのリストを与えますが、私が次のようにしてそれらをチェックすると一致しません：

df.iloc[i]['BoolCol']

結果は実際にはFalseです!!

これを行うパンダの正しい方法はどれですか？

df.iloc[i]のith行を返しますdf。iインデックスラベルを参照せずi、0ベースのインデックスです。

対照的に、属性indexは数値の行インデックスではなく、実際のインデックスラベルを返します。

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

または同等に、

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

行の数値位置と等しくないデフォルト以外のインデックスを使用してDataFrameを操作すると、違いが非常にはっきりとわかります。

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]

インデックスを使用したい場合は、

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

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

次に、のloc代わりにを使用して行を選択できますiloc。

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

[3 rows x 1 columns]

locブール配列も受け入れることができることに注意してください：

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

[3 rows x 1 columns]

ブール配列がありmask、序数のインデックス値が必要な場合は、次のコマンドを使用して計算できますnp.flatnonzero。

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

df.iloc序数インデックスで行を選択するために使用します。

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

numpy where（）関数を使用して実行できます：

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

マッチのために常にインデックスが必要なわけではありませんが、必要な場合のために：

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']

簡単な方法は、フィルタリングの前にDataFrameのインデックスをリセットすることです。

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

ちょっとハッキーですが、速いです！

まずquery、ターゲット列がタイプであるbool かどうかを確認できます（PS：使用方法については、リンクを確認してください）

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

ブール列で元のdfをフィルター処理した後、インデックスを選択できます。

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

また、パンダにはnonzero、行の位置を選択し、Trueそれを使用して、DataFrameまたはindex

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

データフレームオブジェクトを1回だけ使用する場合は、以下を使用します。

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

私はにを取得する方法でこの質問を拡張しrow、columnそしてvalueすべてのマッチ値の？

ここに解決策があります：

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]

出力：

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


row  col        name
0    1           dog
2    0         Puppy