为什么我在拉动 df.index 时没有得到正确的索引？

Question

我得到了一种迭代，而不是索引值。

我有一个数据框。 我对该数据框进行切片。 然后我将该数据帧转换为 numpy 数组，以便从切片中提取唯一值。 然后我将 numpy 数组转换回数据框。 然后我运行一个 for 循环来提取与唯一值相对应的原始数据帧切片的值的索引。 我的行为很奇怪。

df = pd.read_excel('Book2.xlsm')
v =  (df.loc[:, 'test'].values)
g = np.unique(v, return_index=True)
v2 = pd.DataFrame(g)

for v2 in df.loc[:, 'test']:
    print (df.index)

我所说的奇怪行为：

RangeIndex(start=0, stop=14465, step=1)
RangeIndex(start=0, stop=14465, step=1)
RangeIndex(start=0, stop=14465, step=1)
RangeIndex(start=0, stop=14465, step=1)
RangeIndex(start=0, stop=14465, step=1)
RangeIndex(start=0, stop=14465, step=1)
RangeIndex(start=0, stop=14465, step=1)
RangeIndex(start=0, stop=14465, step=1)

我得到上面的 14465 行。但没有索引值

示例数据帧

test   age
0      17 - Alpha OH PROGESTERONE - HORMONE ASSAYS  23.0
1      17 - Alpha OH PROGESTERONE - HORMONE ASSAYS  26.0
2                    17 ALPHA HYDROXY PROGESTERONE  18.0
3                    17 ALPHA HYDROXY PROGESTERONE  18.0
4                    17 ALPHA HYDROXY PROGESTERONE  21.0
5                    17 ALPHA HYDROXY PROGESTERONE  25.0
6                    17 ALPHA HYDROXY PROGESTERONE  27.0
7                      24 hrs URINE FOR CREATININE  32.0
8                      24 hrs URINE FOR CREATININE  43.0
9                      24 hrs URINE FOR CREATININE  52.0
10                     24 hrs URINE FOR CREATININE  53.0
11                     24 hrs URINE FOR CREATININE  56.0
12                     24 hrs URINE FOR CREATININE  57.0
13                     24 hrs URINE FOR CREATININE  57.0
14                     24 hrs URINE FOR CREATININE  57.0
15                     24 hrs URINE FOR CREATININE  58.0
16                     24 hrs URINE FOR CREATININE  62.0
17                     24 hrs URINE FOR CREATININE  85.0
18                        24 hrs URINE FOR PROTEIN   3.0
19                        24 hrs URINE FOR PROTEIN   5.0
20                        24 hrs URINE FOR PROTEIN   5.0
21                        24 hrs URINE FOR PROTEIN  16.0
22                        24 hrs URINE FOR PROTEIN  25.0
23                        24 hrs URINE FOR PROTEIN  27.0
24                        24 hrs URINE FOR PROTEIN  28.0
25                        24 hrs URINE FOR PROTEIN  32.0
26                        24 hrs URINE FOR PROTEIN  32.0
27                        24 hrs URINE FOR PROTEIN  32.0
28                        24 hrs URINE FOR PROTEIN  33.0
29                        24 hrs URINE FOR PROTEIN  34.0

输出应该是这样的：

[0:1]
[2:6]
[7:17]
[18:29]

Answer 1

注意：现在针对 OP 问题陈述的新变体发布了更准确的解决方案。我将保持这个解决方案作为未来的另一个参考。

---

如果您只想提取唯一性的第一个索引，也许您想尝试 drop_duplicates 代替？

import pandas as pd
data = {'x': ['does', 'this', 'index', 'solve', 'anything', 'your', 'what', 'issue?'], 
        'y': ['a', 'b', 'b', 'c', 'a', 'd', 'd', 'e']}

df = pd.DataFrame(data).set_index('x')
print (df)

这给出了：

现在获取唯一y的索引，

unique = df.drop_duplicates(subset=['y'], keep='first')
unique.index

给予：

Index(['does', 'this', 'solve', 'your', 'issue?'], dtype='object', name='x')

​ 希望这会有所帮助。

Answer 2

IIUC，使用：

df.drop_duplicates('test').combine_first(df.drop_duplicates('test',keep='last'))

---

                                        test   age
0  17 - Alpha OH PROGESTERONE - HORMONE ASSAYS  23.0
1  17 - Alpha OH PROGESTERONE - HORMONE ASSAYS  26.0
2                17 ALPHA HYDROXY PROGESTERONE  18.0
6                17 ALPHA HYDROXY PROGESTERONE  27.0
......................
.....................

groupby() 的另一种可能解决方案：

df.groupby('test')['test'].apply(lambda x:[ x.index[0],x.index[-1]])

---

test
17 - Alpha OH PROGESTERONE - HORMONE ASSAYS      [0, 1]
17 ALPHA HYDROXY PROGESTERONE                    [2, 6]
24 hrs URINE FOR CREATININE                     [7, 17]
24 hrs URINE FOR PROTEIN                       [18, 29]