Gegeven een DataFrame met een kolom “BoolCol”, willen we de indexen van het DataFrame vinden waarin de waarden voor “BoolCol” == True
Ik heb momenteel de iteratieve manier om het te doen, wat perfect werkt:
for i in range(100,3000):
if df.iloc[i]['BoolCol']== True:
print i,df.iloc[i]['BoolCol']
Maar dit is niet de juiste manier van panda’s om het te doen.
Na wat onderzoek gebruik ik momenteel deze code:
df[df['BoolCol'] == True].index.tolist()
Deze geeft me een lijst met indexen, maar ze komen niet overeen, als ik ze controleer door te doen:
df.iloc[i]['BoolCol']
Het resultaat is eigenlijk False!!
Wat zou de juiste manier van Panda’s zijn om dit te doen?
Antwoord 1, autoriteit 100%
df.iloc[i]
retourneert de ith
rij van df
. i
verwijst niet naar het indexlabel, i
is een op 0 gebaseerde index.
Daarentegen het kenmerk index
geeft daadwerkelijke indexlabelsterug, geen numerieke rij-indexen:
df.index[df['BoolCol'] == True].tolist()
of gelijkwaardig,
df.index[df['BoolCol']].tolist()
Je kunt het verschil heel duidelijk zien door met een DataFrame te spelen met
een niet-standaard index die niet gelijk is aan de numerieke positie van de rij:
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]
Als u de index wilt gebruiken,
In [56]: idx = df.index[df['BoolCol']]
In [57]: idx
Out[57]: Int64Index([10, 40, 50], dtype='int64')
dan kun je de rijen selecteren met loc
in plaats van iloc
:
In [58]: df.loc[idx]
Out[58]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
Merk op dat loc
ook booleaanse arrays kan accepteren:
In [55]: df.loc[df['BoolCol']]
Out[55]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
Als je een booleaanse array hebt, mask
, en ordinale indexwaarden nodig hebt, kun je deze berekenen met np.flatnonzero
:
In [110]: np.flatnonzero(df['BoolCol'])
Out[112]: array([0, 3, 4])
Gebruik df.iloc
om rijen te selecteren op ordinale index:
In [113]: df.iloc[np.flatnonzero(df['BoolCol'])]
Out[113]:
BoolCol
10 True
40 True
50 True
Antwoord 2, autoriteit 7%
Kan worden gedaan met de functie 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
Hoewel u niet altijd index voor een match nodig hebt, maar Incase als u nodig hebt:
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']
Antwoord 3, Autoriteit 3%
Als u uw dataframe-object slechts één keer wilt gebruiken, gebruikt u:
df['BoolCol'].loc[lambda x: x==True].index
Antwoord 4
Eenvoudige manier is om de index van het dataframe te resetten voorafgaand aan het filteren:
df_reset = df.reset_index()
df_reset[df_reset['BoolCol']].index.tolist()
Bit Hacky, maar het is snel!
Antwoord 5
Eerst kunt u query
controleren wanneer de doelkolom type bool
(PS: over hoe u het kunt gebruiken, controleer Link )
df.query('BoolCol')
Out[123]:
BoolCol
10 True
40 True
50 True
Nadat we de originele df hebben gefilterd op de Booleaanse kolom, kunnen we de index kiezen.
df=df.query('BoolCol')
df.index
Out[125]: Int64Index([10, 40, 50], dtype='int64')
Ook panda’s hebben nonzero
, we selecteren gewoon de positievan de rij True
en gebruiken deze om de DataFrame
of index
df.index[df.BoolCol.nonzero()[0]]
Out[128]: Int64Index([10, 40, 50], dtype='int64')
Antwoord 6
Ik heb deze vraag uitgebreid: hoe krijg je de row
, column
en value
van alle overeenkomstenwaarde?
hier is de oplossing:
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]
Uitvoer:
0 1 2
0 cat dog
1 goldfish kitten
2 Puppy hamster mouse
row col name
0 1 dog
2 0 Puppy