从python pandas中的列名获取列索引

Question

在R中,当您需要根据您可以执行的列的名称检索列索引时

idx <- which(names(my_data)==my_colum_name)

有没有办法对pandas数据帧做同样的事情？

Answer 1

当然,你可以使用.get_loc():

In [45]: df = DataFrame({"pear": [1,2,3], "apple": [2,3,4], "orange": [3,4,5]})

In [46]: df.columns
Out[46]: Index([apple, orange, pear], dtype=object)

In [47]: df.columns.get_loc("pear")
Out[47]: 2

虽然说实话,我自己并不经常需要这个.通常按名称访问可以实现我想要的(df["pear"],df[["apple", "orange"]]或者可能df.columns.isin(["orange", "pear"])),尽管我可以肯定地看到你想要索引号的情况.

Answer 2

这是通过列表理解的解决方案.cols是获取索引的列的列表:

[df.columns.get_loc(c) for c in cols if c in df]

Answer 3

DSM的解决方案有效,但如果您想要直接等效于which您可以做到的话(df.columns == name).nonzero()

Answer 4

当您可能希望找到多个列匹配时,可以使用使用searchsorted方法的矢量化解决方案.因此,df作为query_cols要搜索的数据帧和列名,实现将是 -

def column_index(df, query_cols):
    cols = df.columns.values
    sidx = np.argsort(cols)
    return sidx[np.searchsorted(cols,query_cols,sorter=sidx)]

样品运行 -

In [162]: df
Out[162]: 
   apple  banana  pear  orange  peach
0      8       3     4       4      2
1      4       4     3       0      1
2      1       2     6       8      1

In [163]: column_index(df, ['peach', 'banana', 'apple'])
Out[163]: array([4, 1, 0])

Answer 5

要稍微修改一下 DSM 的答案，get_loc根据当前版本的 Pandas (1.1.5) 中的索引类型，有一些奇怪的属性，因此根据您的索引类型，您可能会得到索引、掩码或切片。这对我来说有点令人沮丧，因为我不想修改整个列只是为了提取一个变量的索引。更简单的是完全避免该函数：

list(df.columns).index('pear')

非常简单，而且可能相当快。

Answer 6

如果您想要列位置的列名称(相反的OP问题),您可以使用:

>>> df.columns.get_values()[location]

使用@DSM示例:

>>> df = DataFrame({"pear": [1,2,3], "apple": [2,3,4], "orange": [3,4,5]})

>>> df.columns

Index(['apple', 'orange', 'pear'], dtype='object')

>>> df.columns.get_values()[1]

'orange'

其他方式:

df.iloc[:,1].name

Answer 7

对于返回多个列索引，如果您有唯一标签，我建议使用该pandas.Index方法：get_indexer

df = pd.DataFrame({"pear": [1, 2, 3], "apple": [2, 3, 4], "orange": [3, 4, 5]})
df.columns.get_indexer(['pear', 'apple'])
# Out: array([0, 1], dtype=int64)

如果索引中有非唯一标签（列仅支持唯一标签）get_indexer_for。它采用与以下相同的参数get_indeder：

df = pd.DataFrame(
    {"pear": [1, 2, 3], "apple": [2, 3, 4], "orange": [3, 4, 5]}, 
    index=[0, 1, 1])
df.index.get_indexer_for([0, 1])
# Out: array([0, 1, 2], dtype=int64)

这两种方法还支持非精确索引，fi 用于浮点值，采用具有容差的最接近值。如果两个索引到指定标签的距离相同或重复，则选择索引值较大的索引：

df = pd.DataFrame(
    {"pear": [1, 2, 3], "apple": [2, 3, 4], "orange": [3, 4, 5]},
    index=[0, .9, 1.1])
df.index.get_indexer([0, 1])
# array([ 0, -1], dtype=int64)

Answer 8

当该列可能存在或可能不存在时，则以下内容（上面的变体有效）。

ix = 'none'
try:
     ix = list(df.columns).index('Col_X')
except ValueError as e:
     ix = None  
     pass

if ix is None:
   # do something