Vzhľadom na DataFrame so stĺpcom "BoolCol" chceme nájsť indexy DataFrame, v ktorých sú hodnoty pre "BoolCol" == True
Momentálne mám na to iteračný spôsob, ktorý funguje perfektne:
for i in range(100,3000):
if df.iloc[i]['BoolCol']== True:
print i,df.iloc[i]['BoolCol']
Ale toto nie je správny panda's spôsob, ako to urobiť. Po určitom výskume v súčasnosti používam tento kód:
df[df['BoolCol'] == True].index.tolist()
Ten mi dáva zoznam indexov, ale tie sa nezhodujú, keď ich skontrolujem vykonaním:
df.iloc[i]['BoolCol']
Výsledok je skutočne False!!
Ktorý by bol správny spôsob Pandy?
df.iloc[i]
vráti iaty
riadok z df
. i
neodkazuje na indexový štítok, i
je index založený na 0.
Naopak, atribút index
vracia skutočné označenia indexov, nie číselné indexy riadkov:
df.index[df['BoolCol'] == True].tolist()
alebo ekvivalentne,
df.index[df['BoolCol']].tolist()
Rozdiel môžete celkom jasne vidieť pri hre s DataFrame s s iným ako predvoleným indexom, ktorý sa nerovná číselnej pozícii riadku:
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]
Ak chcete použiť index,
In [56]: idx = df.index[df['BoolCol']]
In [57]: idx
Out[57]: Int64Index([10, 40, 50], dtype='int64')
vtedy môžete vybrať riadky pomocou loc
namiesto iloc
:
In [58]: df.loc[idx]
Out[58]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
Všimnite si, že loc
môže akceptovať aj logické polia:
In [55]: df.loc[df['BoolCol']]
Out[55]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
Ak máte boolovské pole maska
a potrebujete hodnoty poradových indexov, môžete ich vypočítať pomocou np.flatnonzero
:
In [110]: np.flatnonzero(df['BoolCol'])
Out[112]: array([0, 3, 4])
Na výber riadkov podľa poradového indexu použite df.iloc
:
In [113]: df.iloc[np.flatnonzero(df['BoolCol'])]
Out[113]:
BoolCol
10 True
40 True
50 True
Možno to vykonať pomocou funkcie 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
Hoci nie vždy potrebujete index pre zhodu, ale v prípade, že potrebujete:
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']
Najskôr môžete skontrolovať query
, keď je cieľový stĺpec typu bool
(PS: o tom, ako ho použiť, si pozrite link )
df.query('BoolCol')
Out[123]:
BoolCol
10 True
40 True
50 True
Po filtrovaní pôvodného df podľa stĺpca Boolean môžeme vybrať index .
df=df.query('BoolCol')
df.index
Out[125]: Int64Index([10, 40, 50], dtype='int64')
Aj pandy majú nonzero
, jednoducho vyberieme pozíciu riadku True
a pomocou nej nakrájame DataFrame
alebo index
df.index[df.BoolCol.nonzero()[0]]
Out[128]: Int64Index([10, 40, 50], dtype='int64')