在 Pandas DataFrame 中查找元素的索引 - Python

Pandas是一个用于数据操作和分析的Python库。Pandas的DataFrame是一种二维表格数据结构，其中行与列标记为数据索引。

在Pandas DataFrame中查找元素的索引是一项常见的任务。本篇文章将介绍如何在Pandas DataFrame中查找元素的索引，并提供一些实例进行演示。

Pandas DataFrame

在Pandas中，DataFrame是一种表格数据结构，其中行和列都可以标记为索引。以下是一个简单的Pandas DataFrame示例：

import pandas as pd

data = {'name': ['John', 'Sarah', 'Peter', 'Mary'],
        'age': [23, 45, 32, 50],
        'gender': ['M', 'F', 'M', 'F']}

df = pd.DataFrame(data)

print(df)

输出为：

    name  age gender
0   John   23      M
1  Sarah   45      F
2  Peter   32      M
3   Mary   50      F

这个DataFrame有4行和3列。每行都用一个整数索引（0到3）进行标记，每列都有一个名称（name，age和gender）作为标记。

在 Pandas DataFrame 中查找元素

可以使用loc方法在Pandas DataFrame中查找元素。loc方法使用行和列索引标签来定位数据。

以下是一个使用元素值查找索引的示例：

import pandas as pd

data = {'name': ['John', 'Sarah', 'Peter', 'Mary'],
        'age': [23, 45, 32, 50],
        'gender': ['M', 'F', 'M', 'F']}

df = pd.DataFrame(data)

row_index = df.index[df['name'] == 'Peter'][0]
col_index = df.columns.get_loc('age')

print("Row Index: ", row_index)
print("Column Index: ", col_index)

输出为：

Row Index:  2
Column Index:  1

在这个例子中，我们使用两个索引值来查找元素的索引：'Peter'的行索引和'age'列的列索引。

使用df['name'] == 'Peter'条件语句获得具有名称“Peter”的行的布尔Series，并从该Series中查找第一个True值的索引（即行索引）。使用df.columns.get_loc('age')获得列名称为'age'的列的列索引。

在此示例中，元素'32'位于第2行和第1列（索引从0开始），因此我们找到的行索引为2，列索引为1。

结论

在Pandas DataFrame中查找元素的索引可以帮助我们更好地理解和操作数据，比如条件过滤和数据检查。我们可以使用loc方法来定位数据，并使用.index和.columns属性来获取行和列的索引标签。