336

在 R 中,当您需要根据列名检索列索引时,您可以执行

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

有没有办法对熊猫数据框做同样的事情?

4

10 回答 10

531

当然,您可以使用.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满足我的要求(df["pear"]df[["apple", "orange"]]或也许df.columns.isin(["orange", "pear"])),尽管我绝对可以看到您需要索引号的情况。

于 2012-10-23T00:06:36.177 回答
58

这是通过列表理解的解决方案。cols 是要获取索引的列列表:

[df.columns.get_loc(c) for c in cols if c in df]
于 2017-09-09T08:20:46.310 回答
17

DSM 的解决方案有效,但如果您想要直接等效的解决方案,which您可以这样做(df.columns == name).nonzero()

于 2012-10-23T18:27:34.033 回答
12

当您可能要查找多个列匹配时,可以使用使用searchsorted方法的矢量化解决方案。因此,df作为数据框和query_cols要搜索的列名,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])
于 2016-07-20T19:37:26.323 回答
10

如果您想要列位置的列名(与 OP 问题相反),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'

其他方法:

df.iloc[:,1].name

df.columns[location] #(thanks to @roobie-nuby for pointing that out in comments.) 
于 2018-03-02T11:35:52.260 回答
9

对于返回多个列索引,我建议使用pandas.Index方法get_indexer,如果你有唯一的标签

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的值。如果两个索引与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)
于 2020-08-17T12:16:46.543 回答
3

这个怎么样:

df = DataFrame({"pear": [1,2,3], "apple": [2,3,4], "orange": [3,4,5]})
out = np.argwhere(df.columns.isin(['apple', 'orange'])).ravel()
print(out)
[1 2]
于 2019-11-15T07:01:17.680 回答
2

为了稍微修改 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,所以根据你的索引类型,你可能会得到一个索引、一个掩码或一个切片。这对我来说有点令人沮丧,因为我不想仅仅为了提取一个变量的索引而修改整个列。更简单的是完全避免该功能:

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

非常简单,可能相当快。

于 2020-12-23T16:34:19.940 回答
1

当该列可能存在或可能不存在时,则以下(上述变体)起作用。

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

if ix is None:
   # do something
于 2022-01-04T22:16:49.063 回答
0
import random
def char_range(c1, c2):                      # question 7001144
    for c in range(ord(c1), ord(c2)+1):
        yield chr(c)      
df = pd.DataFrame()
for c in char_range('a', 'z'):               
    df[f'{c}'] = random.sample(range(10), 3) # Random Data
rearranged = random.sample(range(26), 26)    # Random Order
df = df.iloc[:, rearranged]
print(df.iloc[:,:15])                        # 15 Col View         

for col in df.columns:             # List of indices and columns
    print(str(df.columns.get_loc(col)) + '\t' + col)

![结果](结果

于 2021-08-20T23:29:20.727 回答