Bei einem DataFrame mit einer Spalte "BoolCol" wollen wir die Indizes des DataFrame finden, in denen die Werte für "BoolCol" == True
Ich habe derzeit die Iteration Weg, um es zu tun, die perfekt funktioniert:
for i in range(100,3000):
if df.iloc[i]['BoolCol']== True:
print i,df.iloc[i]['BoolCol']
Aber das ist nicht der korrekte Panda's Weg, es zu tun. Nach einigen Recherchen verwende ich derzeit diesen Code:
df[df['BoolCol'] == True].index.tolist()
Dieser gibt mir eine Liste von Indizes, aber sie stimmen nicht überein, wenn ich sie überprüfe:
df.iloc[i]['BoolCol']
Das Ergebnis ist tatsächlich Falsch!!
Welches wäre der richtige Weg für Pandas, dies zu tun?
df.iloc[i]
gibt die "i-te" Zeile von df
zurück. i" bezieht sich nicht auf das Index-Label, i
ist ein 0-basierter Index.
Im Gegensatz dazu gibt das Attribut index
tatsächliche Indexbezeichnungen zurück, nicht numerische Zeilenindizes:
df.index[df['BoolCol'] == True].tolist()
oder gleichwertig,
df.index[df['BoolCol']].tolist()
Sie können den Unterschied ganz deutlich sehen, wenn Sie mit einem DataFrame spielen, der einem Nicht-Standard-Index, der nicht gleich der numerischen Position der Zeile ist:
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]
Wenn Sie den Index verwenden möchten,
In [56]: idx = df.index[df['BoolCol']]
In [57]: idx
Out[57]: Int64Index([10, 40, 50], dtype='int64')
dann können Sie die Zeilen mit loc
anstelle von iloc
auswählen:
In [58]: df.loc[idx]
Out[58]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
Beachten Sie, dass loc
auch boolesche Arrays akzeptieren kann:
In [55]: df.loc[df['BoolCol']]
Out[55]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
Wenn Sie ein boolesches Array, mask
, haben und ordinale Indexwerte benötigen, können Sie diese mit np.flatnonzero
berechnen:
In [110]: np.flatnonzero(df['BoolCol'])
Out[112]: array([0, 3, 4])
Verwenden Sie df.iloc
, um Zeilen nach Ordinalindex auszuwählen:
In [113]: df.iloc[np.flatnonzero(df['BoolCol'])]
Out[113]:
BoolCol
10 True
40 True
50 True
Dies kann mit der Funktion numpy where() erfolgen:
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
Man braucht zwar nicht immer einen Index für eine Übereinstimmung, aber für den Fall, dass man ihn braucht:
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']
Zuerst können Sie query
überprüfen, wenn die Zielspalte vom Typ bool
ist (PS: wie man es benutzt, lesen Sie bitte unter Link )
df.query('BoolCol')
Out[123]:
BoolCol
10 True
40 True
50 True
Nachdem wir die ursprüngliche df nach der Boolean-Spalte gefiltert haben, können wir den Index auswählen.
df=df.query('BoolCol')
df.index
Out[125]: Int64Index([10, 40, 50], dtype='int64')
Auch Pandas haben nonzero
, wir wählen einfach die Position der True
Zeile und schneiden damit den DataFrame
oder index
auf
df.index[df.BoolCol.nonzero()[0]]
Out[128]: Int64Index([10, 40, 50], dtype='int64')