pandas数据框的单元格引用，根据具体值过滤答案

【问题标题】：Cell reference of pandas data frame, filtering based on specific valuepandas数据框的单元格引用，根据具体值过滤
【发布时间】：2021-12-09 15:41:01
【问题描述】：

我需要获取我的 pandas 数据框中包含值 == 1 的所有区域的单元格引用（行号、列号）。

import pandas as pd
import numpy as np

df = pd.DataFrame({'x': [np.nan, 1, np.nan, np.nan, 1],
                   'y': [np.nan, np.nan, np.nan, np.nan, 1],
                   'z': [1, np.nan, 1, np.nan, np.nan]})

希望得到一个包含两列的最终数据框：行和列，如下所示：

【问题讨论】：

标签： pandas indexing

【解决方案1】：

您可以使用numpy.argwhere。

这应该比使用for循环、df.stack等的所有解决方案都要快得多。请看下面的时间安排：

In [145]: import numpy as np

In [146]: res = pd.DataFrame(np.argwhere(df.notnull().values).tolist(), columns=['row', 'col'])

In [147]: res.col = res.col + 1

In [148]: res
Out[148]: 
   row  col
0    0    3
1    1    1
2    2    3
3    4    1
4    4    2

时间安排：

np.argwhere:

In [149]: %timeit pd.DataFrame(np.argwhere(df.notnull().values).tolist(), columns=['row', 'col'])
437 µs ± 4.71 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

使用df.stack的@sophocles 解决方案：

In [151]: %timeit pd.DataFrame(df[df.notna()].stack().index.tolist(),columns=['row','col'])
1.33 ms ± 5.55 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

【讨论】：

@sophcles 绝对。因此，最好的答案绝对应该被投赞成票。

【解决方案2】：

您可以使用notna() 来获取布尔数据帧，并使用stack() 删除已转换为False 的nan。获取index 并转换为列表，以便您可以轻松转换为DataFrame。

使用正确的列名将其包装在 pd.DataFrame() 中可以满足您的需求：

df.columns=[1,2,3]
pd.DataFrame(df[df.notna()].stack().index.tolist(),columns=['row','col'])

   row  col
0    0    3
1    1    1
2    2    3
3    4    1
4    4    2

【讨论】：

【解决方案3】：

你可以只遍历行和列：

res_df = pd.DataFrame(columns=['row', 'col'])

for i in range(len(df)):
  for j in range(len(df.columns)):
    if df[df.columns[j]].iloc[i] == 1:
      res_df = res_df.append({'row': i, 'col': j+1}, ignore_index=True)

print(res_df.sort_values(by='col').reset_index(drop=True))

【讨论】：

【解决方案4】：

你可以试试这个：

import pandas as pd
import numpy as np

df = pd.DataFrame({'x': [np.nan, 1, np.nan, np.nan, 1],
                   'y': [np.nan, np.nan, np.nan, np.nan, 1],
                   'z': [1, np.nan, 1, np.nan, np.nan]})

list_indexes = []
for idx in range(len(df.columns)):
    rows = df.index[df.iloc[:, idx] == 1].tolist()
    for row in rows:
        list_indexes.append((row, idx+1))

final = pd.DataFrame(list_indexes, columns=['row', 'column'])
print(final)

【讨论】：

【解决方案5】：

你可以这样做：

df.columns=list(range(1,len(df.columns)+1))

   1    2   3
0   NaN NaN 1.0
1   1.0 NaN NaN
2   NaN NaN 1.0
3   NaN NaN NaN
4   1.0 1.0 NaN

new_df = df.stack().reset_index().rename(columns = {'level_0':'row', 'level_1':'col'})[['row', 'col']]

   row  col
0    0    3
1    1    1
2    2    3
3    4    1
4    4    2

【讨论】：