python - 获取 Pandas 数据框中选定值的行和列标签

Question

我想获取与数据框中某些条件匹配的值的行和列标签。只是为了让它有趣，我需要它使用分层(多)索引。例如:

df = pd.DataFrame(np.arange(16).reshape(4, 4), columns=pd.MultiIndex.from_product((('a', 'b'), ('x', 'y'))))

    a       b    
    x   y   x   y
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15

现在假设我想要元素的行和列标签

df % 6 == 0

       a             b       
       x      y      x      y
0   True  False  False  False
1  False  False   True  False
2  False  False  False  False
3   True  False  False  False

我想得到

[(0, ('a', 'x')), (1, ('b', 'x')), (3, ('a', 'x'))]

请注意，我想要一个通用 解决方案，它不依赖于单调索引或我示例中的特定选择。这个问题已经被问过很多次了，但答案并不笼统:

• index and column for the max value in pandas dataframe : 依靠排序找到最大值
• Pandas dataframe: return row AND column of maximum value(s) : 不概括
• Retrieve indices of NaN values in a pandas dataframe : 不返回行标签
• Return list of indices/index where a min/max value occurs in a pandas dataframe : 不概括
• Pandas: Get each value's index and columns values : 不概括/使用迭代

这在 Pandas 中真的有那么难吗？

Answer 1

使用np.where获取真值的序数索引:

import numpy as np
import pandas as pd
df = pd.DataFrame(np.arange(16).reshape(4, 4), 
                  columns=pd.MultiIndex.from_product((('a', 'b'), ('x', 'y'))))

mask = (df % 6 == 0)
i, j = np.where(mask)
print(list(zip(df.index[i], df.columns[j])))

产量

[(0, ('a', 'x')), (1, ('b', 'x')), (3, ('a', 'x'))]