Python Pandas：获取列匹配特定值的行的索引
给定一个带有“BoolCol”列的DataFrame，我们希望findDataFrame的索引，其中“BoolCol”== True
我目前有迭代的方式来做到这一点，这是完美的：
for i in range(100,3000): if df.iloc[i]['BoolCol']== True: print i,df.iloc[i]['BoolCol'] 但这不是正确的pandas做的方式。 经过一番研究，我目前正在使用这个代码：
df[df['BoolCol'] == True].index.tolist()
这个给了我一个索引列表，但他们不匹配，当我检查他们做：
df.iloc[i]['BoolCol']
其结果实际上是假的！
这将是正确的pandas方式做到这一点？
df.iloc[i]返回df的ith行。 i没有提到索引标签， i是一个基于0的索引。
相比之下， 属性index返回实际的索引标签 ，而不是数字行索引：
df.index[df['BoolCol'] == True].tolist()
或者等同地，
df.index[df['BoolCol']].tolist()
通过使用带有“不寻常”索引的DataFrame，您可以清楚地看到差异：
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]
如果你想使用索引 ，
In [56]: idx = df.index[df['BoolCol']] In [57]: idx Out[57]: Int64Index([10, 40, 50], dtype='int64')
那么你可以使用loc而不是iloc来select行 ：
In [58]: df.loc[idx] Out[58]: BoolCol 10 True 40 True 50 True [3 rows x 1 columns]
请注意， loc也可以接受布尔数组 ：
In [55]: df.loc[df['BoolCol']] Out[55]: BoolCol 10 True 40 True 50 True [3 rows x 1 columns]
如果你有一个布尔数组， mask ，并且需要序数索引值，你可以使用np.flatnonzero来计算它们 ：
In [110]: np.flatnonzero(df['BoolCol']) Out[112]: array([0, 3, 4])
使用df.iloc按序号索引select行：
In [113]: df.iloc[np.flatnonzero(df['BoolCol'])] Out[113]: BoolCol 10 True 40 True 50 True
可以使用numpy完成where（）函数：
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
虽然你并不总是需要一个匹配的索引，但incase如果你需要：
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']
