给定一个带有列”BoolCol”的DataFrame，如何找到满足条件”BoolCol” == True的DataFrame的索引

目前有迭代的方式来做到这一点：

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

这虽然可行，但不是标准的 Pandas 方式。经过一番研究，我目前正在使用这个代码：

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

这个给了我一个索引列表，但跟我想要的不匹配，当检查：

df.iloc[i]['BoolCol']

其结果实际上是False！

如何使用正确的 Pandas 方式做到这一点？

最佳解决方法

df.iloc[i]返回df的第i行。 i不引用索引标签，i是从0开始的索引。

相反，属性index返回实际的索引标签，而不是数字row-indices：

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

或者等同地，

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

通过使用带有”unusual”索引的DataFrame，可以非常清楚地看到差异：

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]

如果你想使用索引，

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

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

那么您可以使用loc而不是iloc选择行：

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

[3 rows x 1 columns]

请注意，loc也可以接受布尔数组：

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

[3 rows x 1 columns]

如果您有一个布尔数组mask，并且需要序数索引值，则可以使用np.flatnonzero来计算它们：

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

使用df.iloc按顺序索引选择行：

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

参考文献

• Python Pandas: Get index of rows which column matches certain value