给定一个列为"BoolCol"的数据帧，我们希望找到数据帧的索引，其中"BoolCol"的值=True
我目前有一种迭代的方法来做这件事，它非常有效:
for i in range(100,3000):
if df.iloc[i]['BoolCol']== True:
print i,df.iloc[i]['BoolCol']
但这不是Pandas 的正确做法. 经过一些研究，我目前正在使用这个代码:
df[df['BoolCol'] == True].index.tolist()
这一个给了我一个索引列表，但当我通过以下方式判断它们时，它们不匹配:
df.iloc[i]['BoolCol']
结果其实是假的！！
哪种方法是正确的？
df.iloc[i]返回df的第ith行.i不是指索引标签，i是从0开始的索引.
相比之下，the attribute 100 returns actual index labels，而不是数字行索引:
df.index[df['BoolCol'] == True].tolist()
或者相当于，
df.index[df['BoolCol']].tolist()
通过使用DataFrame，您可以非常清楚地看到其中的不同之处 与行的数字位置不相等的非默认索引:
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]
If you want to use the index，
In [56]: idx = df.index[df['BoolCol']]
In [57]: idx
Out[57]: Int64Index([10, 40, 50], dtype='int64')
then you can select the rows using 100 instead of 101:
In [58]: df.loc[idx]
Out[58]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
注意100 can also accept boolean arrays:
In [55]: df.loc[df['BoolCol']]
Out[55]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
If you have a boolean array, 100, and need ordinal index values, you can compute them using 101:
In [110]: np.flatnonzero(df['BoolCol'])
Out[112]: array([0, 3, 4])
使用df.iloc按顺序索引 Select 行:
In [113]: df.iloc[np.flatnonzero(df['BoolCol'])]
Out[113]:
BoolCol
10 True
40 True
50 True