获取 pandas 布尔系列为 True 的索引列表

Question

我有一个带有布尔条目的熊猫系列。我想获取值为True 的索引列表。

例如输入pd.Series([True, False, True, True, False, False, False, True])

应该产生输出[0,2,3,7]。

我可以通过列表理解来做到这一点，但是有什么更简洁或更快的方法吗？

Answer 1

使用Boolean Indexing

>>> s = pd.Series([True, False, True, True, False, False, False, True])
>>> s[s].index
Int64Index([0, 2, 3, 7], dtype='int64')

如果需要np.array 对象，请获取.values

>>> s[s].index.values
array([0, 2, 3, 7])

---

使用np.nonzero

>>> np.nonzero(s)
(array([0, 2, 3, 7]),)

---

使用np.flatnonzero

>>> np.flatnonzero(s)
array([0, 2, 3, 7])

---

使用np.where

>>> np.where(s)[0]
array([0, 2, 3, 7])

---

使用np.argwhere

>>> np.argwhere(s).ravel()
array([0, 2, 3, 7])

---

使用pd.Series.index

>>> s.index[s]
array([0, 2, 3, 7])

---

使用python内置的filter

>>> [*filter(s.get, s.index)]
[0, 2, 3, 7]

---

使用list comprehension

>>> [i for i in s.index if s[i]]
[0, 2, 3, 7]

Answer 2

作为rafaelc's answer 的补充，以下是以下设置的相应时间（从最快到最慢）

import numpy as np
import pandas as pd
s = pd.Series([x > 0.5 for x in np.random.random(size=1000)])

使用np.where

>>> timeit np.where(s)[0]
12.7 µs ± 77.4 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

---

使用np.flatnonzero

>>> timeit np.flatnonzero(s)
18 µs ± 508 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

---

使用pd.Series.index

布尔索引的时间差确实让我感到惊讶，因为布尔索引通常更常用。

>>> timeit s.index[s]
82.2 µs ± 38.9 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

---

使用Boolean Indexing

>>> timeit s[s].index
1.75 ms ± 2.16 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

如果您需要np.array 对象，请获取.values

>>> timeit s[s].index.values
1.76 ms ± 3.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

如果您需要更容易阅读的版本

>>> timeit s[s==True].index
1.89 ms ± 3.52 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

---

使用pd.Series.where

>>> timeit s.where(s).dropna().index
2.22 ms ± 3.32 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

>>> timeit s.where(s == True).dropna().index
2.37 ms ± 2.19 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

---

使用pd.Series.mask

>>> timeit s.mask(s).dropna().index
2.29 ms ± 1.43 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

>>> timeit s.mask(s == True).dropna().index
2.44 ms ± 5.82 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

---

使用list comprehension

>>> timeit [i for i in s.index if s[i]]
13.7 ms ± 40.5 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

---

使用python内置的filter

>>> timeit [*filter(s.get, s.index)]
14.2 ms ± 28.4 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

---

使用np.nonzero

>>> timeit np.nonzero(s)
ValueError: Length of passed values is 1, index implies 1000.

---

使用np.argwhere

>>> timeit np.argwhere(s).ravel()
ValueError: Length of passed values is 1, index implies 1000.

---

Answer 3

也可以： s.where(lambda x: x).dropna().index，和 它的优点是易于链接管道 - 如果您的系列是动态计算的，则无需将其分配给变量。

请注意，如果 s 是从 r 计算得出的：s = cond(r) 你也可以使用：r.where(lambda x: cond(x)).dropna().index。