Python Pandas: pobranie indeksu wierszy, które kolumny pasują do określonej wartości
Biorąc pod uwagę ramkę z kolumną "BoolCol", chcemy znaleźć indeksy ramki, w której wartości dla "BoolCol" = = True
Obecnie mam na to iteracyjny sposób, który działa idealnie:
for i in range(100,3000):
if df.iloc[i]['BoolCol']== True:
print i,df.iloc[i]['BoolCol']
Ale to nie jest prawidłowy sposób, aby to zrobić. Po kilku badaniach obecnie używam tego kodu:
df[df['BoolCol'] == True].index.tolist()
Ten daje mi listę indeksów, ale nie pasują, kiedy sprawdzam je wykonując:
df.iloc[i]['BoolCol']
Wynik jest rzeczywiście Fałsz!!
Jaki byłby właściwy sposób Pandy na to?
2 answers
df.iloc[i]
zwraca ith
wiersz df
. i
nie odnosi się do etykiety indeksu, i
jest indeksem opartym na 0.
Natomiast, atrybut index
zwraca rzeczywiste etykiety indeksów , a nie numeryczne indeksy wierszy:
df.index[df['BoolCol'] == True].tolist()
Lub równoważnie,
df.index[df['BoolCol']].tolist()
Widać różnicę dość wyraźnie, bawiąc się ramką danych z "niezwykły" indeks:
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]
Jeśli chcesz użyć indeksu ,
In [56]: idx = df.index[df['BoolCol']]
In [57]: idx
Out[57]: Int64Index([10, 40, 50], dtype='int64')
Następnie możesz wybrać wiersze używając loc
zamiast iloc
:
In [58]: df.loc[idx]
Out[58]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
Zauważ, że loc
może również przyjmować tablice logiczne :
In [55]: df.loc[df['BoolCol']]
Out[55]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
Jeśli masz tablicę logiczną mask
i potrzebujesz wartości porządkowych indeksów, możesz je obliczyć za pomocą np.flatnonzero
:
In [110]: np.flatnonzero(df['BoolCol'])
Out[112]: array([0, 3, 4])
Użyj df.iloc
, aby wybrać wiersze według indeksu porządkowego:
In [113]: df.iloc[np.flatnonzero(df['BoolCol'])]
Out[113]:
BoolCol
10 True
40 True
50 True
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-09-01 15:52:13
Można wykonać za pomocą funkcji 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
Chociaż nie zawsze potrzebujesz indeksu do meczu, ale jeśli potrzebujesz, okryjesz:
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']
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2016-12-30 22:48:47