Python Pandas: Získanie indexu riadkov, ktorých stĺpec zodpovedá určitej hodnote

Vzhľadom na DataFrame so stĺpcom "BoolCol" chceme nájsť indexy DataFrame, v ktorých sú hodnoty pre "BoolCol" == True

Momentálne mám na to iteračný spôsob, ktorý funguje perfektne:

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

Ale toto nie je správny panda's spôsob, ako to urobiť. Po určitom výskume v súčasnosti používam tento kód:

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

Ten mi dáva zoznam indexov, ale tie sa nezhodujú, keď ich skontrolujem vykonaním:

df.iloc[i]['BoolCol']

Výsledok je skutočne False!!

Ktorý by bol správny spôsob Pandy?

Programovanie
indexing python pandas
15 február 2014 в 4:18
17 zobrazenia
Riešenie

df.iloc[i] vráti iaty riadok z df. i neodkazuje na indexový štítok, i je index založený na 0.

Naopak, atribút index vracia skutočné označenia indexov, nie číselné indexy riadkov:

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

alebo ekvivalentne,

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

Rozdiel môžete celkom jasne vidieť pri hre s DataFrame s s iným ako predvoleným indexom, ktorý sa nerovná číselnej pozícii riadku:

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]

Ak chcete použiť index,

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

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

vtedy môžete vybrať riadky pomocou loc namiesto iloc:

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

[3 rows x 1 columns]

Všimnite si, že loc môže akceptovať aj logické polia:

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

[3 rows x 1 columns]

Ak máte boolovské pole maska a potrebujete hodnoty poradových indexov, môžete ich vypočítať pomocou np.flatnonzero:

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

Na výber riadkov podľa poradového indexu použite df.iloc:

In [113]: df.iloc[np.flatnonzero(df['BoolCol'])]
Out[113]: 
   BoolCol
10    True
40    True
50    True
Captain Lepton
Edited answer 26 marec 2019 в 9:48
Komentáre (8)

Možno to vykonať pomocou funkcie 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

Hoci nie vždy potrebujete index pre zhodu, ale v prípade, že potrebujete:

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']
Surya
Edited answer 30 december 2016 в 10:48
Komentáre (0)

Najskôr môžete skontrolovať query, keď je cieľový stĺpec typu bool (PS: o tom, ako ho použiť, si pozrite link )

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

Po filtrovaní pôvodného df podľa stĺpca Boolean môžeme vybrať index .

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

Aj pandy majú nonzero, jednoducho vyberieme pozíciu riadku True a pomocou nej nakrájame DataFrame alebo index

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