打印数据框中某个值的索引

在数据分析中，我们经常需要找到数据框中某个特定值的位置，然后进一步处理这个位置对应的行、列或单元格。本文介绍了几种方法用于打印数据框中某个值的索引。

方法1：使用.loc

.loc是一种用于访问数据框的方法，它可以接受一个Bool型的数组，并返回所有为True的单元格的行列标签。因此，我们可以将整个数据框与目标值进行比较，并使用.loc找到所需的索引。

import pandas as pd

# 构造数据
data = {"name": ["Alice", "Bob", "Charlie", "David"],
        "age": [25, 17, 21, 19],
        "gender": ["F", "M", "M", "M"]}
df = pd.DataFrame(data)

# 找到值为"Charlie"的行列索引
row_index = df.index[df["name"] == "Charlie"][0] # 2
col_index = df.columns.get_loc("name") # 0

print(row_index, col_index) # 输出 2 0

和其他结构类似，.loc使用中括号将行列标签括起来。在这个例子中，.loc[row_index, col_index]即可获取目标单元格的值。

方法2：使用.any

有时候我们只想知道数据框是否包含特定的值，而不关心它的具体位置。这种情况下，.any()可以派上用场。

import pandas as pd

# 构造数据
data = {"name": ["Alice", "Bob", "Charlie", "David"],
        "age": [25, 17, 21, 19],
        "gender": ["F", "M", "M", "M"]}
df = pd.DataFrame(data)

# 判断数据框中是否包含"Charlie"
if df.isin(["Charlie"]).any().any():
    print("数据框包含目标值")
else:
    print("数据框不包含目标值")

.isin用于检查数据框中是否包含指定的值。和其他结构一样，它的参数可以是单一的值、列表、数组等。本例中，.isin(["Charlie"])返回一个数据框，其中原来的数据框中的每个单元格都被检查了一次，检查的结果是True或False。之后，.any()被应用在两个方向上，行和列。这样就可以检查整个数据框是否至少包含一个True值。由于我们只关心数据框中是否包含目标值，因此最后使用.any().any()来获取最终的布尔值。

方法3：使用.values

在使用前两种方法时，我们需要将数据框转换为可供布尔索引使用的数组或数据框。事实上，我们可以直接使用.values来获取Numpy数组，使用Numpy数组的方法进行操作。

import pandas as pd

# 构造数据
data = {"name": ["Alice", "Bob", "Charlie", "David"],
        "age": [25, 17, 21, 19],
        "gender": ["F", "M", "M", "M"]}
df = pd.DataFrame(data)

# 打印值为"Charlie"的位置
indices = list(zip(*np.where(df.values == "Charlie")))
print(indices) # 输出 [(2, 0)]

借助Numpy的np.where，我们可以在数据框中查找目标值，并返回其在数据框中的位置。注意，np.where返回的是一个元组，其中第一个元素是所有符合条件的行的坐标列表，第二个元素是所有符合条件的列的坐标列表。我们可以使用zip(*...)将它们合并到一个包含tuples的列表中。

结论

以上三种方法都可以用于打印数据框中某个值的索引。它们的实现方式不同，但本质相同，可以根据数据的不同要求灵活选择。特别是当数据量太大时，.values方法可以大大提高程序的效率，因此建议优先考虑该方法。