从python pandas中的列名获取列索引

在R中，当您需要根据列名检索列索引时，您可以这样做

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

有没有办法对熊猫数据框架做同样的事情?

578233 次浏览
小开
最佳答案

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

尽管说实话，我自己并不经常需要这个。通常通过名称进行访问是我想要的(df["pear"]， df[["apple", "orange"]]，或者df.columns.isin(["orange", "pear"]))，尽管我可以肯定地看到你想要索引号的情况。

小开

DSM的解决方案是有效的，但如果你想要直接等价于which，你可以使用(df.columns == name).nonzero()

小开

当你可能要寻找多个列匹配时，可以使用searchsorted方法的向量化解决方案。因此，使用df作为数据帧，query_cols作为要搜索的列名，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)]

试运行-

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])
小开

这里有一个通过列表理解的解决方案。Cols是要获取索引的列的列表:

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

如果你想从列位置获取列名(与OP问题相反)，你可以使用:

>>> 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


df.columns[location] #(thanks to @roobie-nuby for pointing that out in comments.)
小开

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]
小开

对于返回多个列索引，我建议使用pandas.Index方法get_indexer，如果你有独特的标签:

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的标签(列只支持唯一的标签)get_indexer_for.;它的参数与get_indexer相同:

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)

这两种方法都支持non-exact索引 with, f.i.，用于浮点值取带有容差的最近值。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)
小开

稍微修改一下DSM的答案，get_loc有一些奇怪的属性，这取决于当前版本Pandas(1.1.5)中的索引类型，因此根据你的索引类型，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。更简单的方法是完全避免这个函数:

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

非常简单，而且可能相当快。

小开 
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

小开

当列可能存在，也可能不存在时，下面的(来自上面的变体)可以工作。

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


if ix is None:
# do something

提交答案