web-dev-qa-db-fra.com

Python Pandas: Récupère l'index des lignes dont la colonne correspond à une certaine valeur

Étant donné un DataFrame avec une colonne "BoolCol", nous voulons trouver les index du DataFrame dans lesquels les valeurs de "BoolCol" == True

J'ai actuellement la façon itérative de le faire, qui fonctionne parfaitement:

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

Mais ce n'est pas la bonne façon de le faire. Après quelques recherches, j'utilise actuellement ce code:

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

Celui-ci me donne une liste d'index, mais ils ne correspondent pas, quand je les vérifie en faisant:

df.iloc[i]['BoolCol']

Le résultat est réellement faux !!

Quelle serait la bonne façon de faire ceci [Pandas]?

pythonindexingpandas
196
I want badges

df.iloc[i] renvoie la ligne ith de df. i ne fait pas référence à l'étiquette d'index, i est un index basé sur 0.

En revanche, l'attribut index renvoie les étiquettes d'index réelles, et non des index de lignes numériques:

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

ou équivalent,

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

Vous pouvez voir la différence très clairement en jouant avec un DataFrame avec un index autre que celui par défaut qui n'est pas égal à la position numérique de la ligne:

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]

Si vous voulez utiliser l'index,

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

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

vous pouvez alors sélectionner les lignes en utilisant loc au lieu de iloc:

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

[3 rows x 1 columns]

Notez que loc peut également accepter les tableaux booléens:

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

[3 rows x 1 columns]

Si vous avez un tableau booléen, mask, et avez besoin de valeurs d'index ordinales, vous pouvez les calculer en utilisant np.flatnonzero:

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

Utilisez df.iloc pour sélectionner les lignes par index ordinal:

In [113]: df.iloc[np.flatnonzero(df['BoolCol'])]
Out[113]: 
   BoolCol
10    True
40    True
50    True
322
unutbu

Peut être fait en utilisant numpy where () function:

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

Bien que vous n'ayez pas toujours besoin d'index pour une correspondance, mais insérez si vous avez besoin de:

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']
18
Surya

Tout d’abord, vous pouvez vérifier query lorsque la colonne cible est de type bool (PS: sur la façon de l’utiliser, veuillez vérifier lien )

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

Après avoir filtré le df d'origine par la colonne booléenne, nous pouvons choisir l'index.

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

De plus, pandas a nonzero, il suffit de sélectionner la position de la rangée True et l’utiliser pour couper la DataFrame ou index

df.index[df.BoolCol.nonzero()[0]]
Out[128]: Int64Index([10, 40, 50], dtype='int64')
1
WeNYoBen

Une méthode simple consiste à réinitialiser l'index du DataFrame avant le filtrage:

df_reset = df.reset_index()
df_reset[df_reset['BoolCol']].index.tolist()

Bit hacky, mais c'est rapide!

0
Ben Druitt