Python Pandas如何获取列匹配特定值的行

这篇文章给大家分享的是有关Python Pandas如何获取列匹配特定值的行的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

给定一个带有列"BoolCol"的DataFrame，如何找到满足条件"BoolCol" == True的DataFrame的索引

目前有迭代的方式来做到这一点：

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

这虽然可行，但不是标准的 Pandas 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，但跟我想要的不匹配，当检查：

df.iloc[i]['BoolCol']

其结果实际上是False！

如何使用正确的 Pandas 方式做到这一点？

最佳解决方法

df.iloc[i]返回df的第i行。 i不引用索引标签，i是从0开始的索引。

相反，属性index返回实际的索引标签，而不是数字row-indices：

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

或者等同地，

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

通过使用带有"unusual"索引的DataFrame，可以非常清楚地看到差异：

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')

那么您可以使用loc而不是iloc选择行：

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]

如果您有一个布尔数组mask，并且需要序数索引值，则可以使用np.flatnonzero来计算它们：

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

使用df.iloc按顺序索引选择行：

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

Python的优点有哪些

1、简单易用，与C/C++、Java、C# 等传统语言相比，Python对代码格式的要求没有那么严格；2、Python属于开源的，所有人都可以看到源代码，并且可以被移植在许多平台上使用；3、Python面向对象，能够支持面向过程编程,也支持面向对象编程；4、Python是一种解释性语言，Python写的程序不需要编译成二进制代码，可以直接从源代码运行程序；5、Python功能强大，拥有的模块众多，基本能够实现所有的常见功能。

感谢各位的阅读！关于“Python Pandas如何获取列匹配特定值的行”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！