df.iloc[i]
gibt die ith
Zeile von df
zurück. i
bezieht sich nicht auf das Index-Label, i
ist ein nullbasierter Index.
Im Gegensatz dazu gibt das Attribut index
tatsächliche Index-Labels zurück, keine numerischen Zeilenindizes:
df.index[df['BoolCol'] == True].tolist()
oder gleichwertig,
df.index[df['BoolCol']].tolist()
Den Unterschied können Sie deutlich erkennen, wenn Sie mit einem DataFrame spielen, das einen nicht standardmäßigen Index hat, der nicht der numerischen Position der Zeile entspricht:
df = pd.DataFrame({'BoolCol': [True, False, False, True, True]},
index=[10,20,30,40,50])
In [53]: df
Out[53]:
BoolCol
10 True
20 False
30 False
40 True
50 True
[5 rows x 1 columns]
In [54]: df.index[df['BoolCol']].tolist()
Out[54]: [10, 40, 50]
Wenn Sie den Index verwenden möchten,
In [56]: idx = df.index[df['BoolCol']]
In [57]: idx
Out[57]: Int64Index([10, 40, 50], dtype='int64')
dann können Sie die Zeilen mit loc
anstelle von iloc
auswählen:
In [58]: df.loc[idx]
Out[58]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
Beachten Sie, dass loc
auch boolsche Arrays akzeptieren kann:
In [55]: df.loc[df['BoolCol']]
Out[55]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
Wenn Sie ein boolsches Array, mask
haben und ordinalen Indexwerte benötigen, können Sie sie mit np.flatnonzero
berechnen:
In [110]: np.flatnonzero(df['BoolCol'])
Out[112]: array([0, 3, 4])
Verwenden Sie df.iloc
, um Zeilen nach ordinalen Index auszuwählen:
In [113]: df.iloc[np.flatnonzero(df['BoolCol'])]
Out[113]:
BoolCol
10 True
40 True
50 True