从 pandas DataFrame 中提取符合标准的单元格索引答案

【问题标题】：Extract indices of cells meeting criteria from pandas DataFrame从 pandas DataFrame 中提取符合标准的单元格索引
【发布时间】：2014-12-28 02:53:36
【问题描述】：

我在 pandas 中有一个这样的 DataFrame：

我想提取单元格值大于 6 的索引名和列名对。

也就是说，我想获得

[["B","c"], ["C","a"], ["C","b"], ["C","c"]]

有什么聪明的方法可以做到这一点吗？

【问题讨论】：

标签： python pandas dataframe indexing

【解决方案1】：

您可以使用stack 将框架展平为一系列，使用布尔索引选择您想要的术语，最后将生成的索引变成一个列表：

s = df.stack()
ii = s[s >= 6].index.tolist()

例如：

>>> s = df.stack()
>>> s
A  a    1
   b    2
   c    3
B  a    4
   b    5
   c    6
C  a    7
   b    8
   c    9
dtype: int64
>>> s[s >= 6]
B  c    6
C  a    7
   b    8
   c    9
dtype: int64
>>> s[s >= 6].index
MultiIndex(levels=[[u'A', u'B', u'C'], [u'a', u'b', u'c']],
           labels=[[1, 2, 2, 2], [2, 0, 1, 2]])
>>> s[s >= 6].index.tolist()
[('B', 'c'), ('C', 'a'), ('C', 'b'), ('C', 'c')]

请注意 (1) 我使用 >= 6 因为这与您的示例相匹配，并且 (2) 这严格来说是一个元组列表，而不是您要求的列表列表，但如果您真的想要，您可以转换到。

【讨论】：

【解决方案2】：

您可以采用 NumPy 路线并使用 np.choose 和 np.argwhere。

创建一个包含行标签和列标签的数组，并使用np.argwhere 返回给定条件成立的整数索引。使用np.choose获取对应的行列索引标签：

>>> xy = np.column_stack((df.index, df.columns))
>>> np.choose(np.argwhere(df >= 6), xy)
array([['B', 'c'],
       ['C', 'a'],
       ['C', 'b'],
       ['C', 'c']], dtype=object)

这将返回一个数组：您可以使用tolist() 来获取 Python 列表：

>>> np.choose(np.argwhere(df >= 6), xy).tolist()
[['B', 'c'], ['C', 'a'], ['C', 'b'], ['C', 'c']]

【讨论】：