In R quando si ha bisogno di recuperare un indice di colonna in base al nome della colonna si potrebbe fareGet indice di colonna dal nome della colonna nel panda pitone
idx <- which(names(my_data)==my_colum_name)
C'è un modo per fare lo stesso con i panda dataframes ?
Certo, è possibile utilizzare .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
anche se ad essere onesti non mi capita spesso bisogno di questo me stesso. Di solito l'accesso per nome fa quello che voglio (df["pear"], df[["apple", "orange"]], o forse df.columns.isin(["orange", "pear"])), anche se posso sicuramente vedere i casi in cui si desidera il numero di indice. soluzione
del DSM funziona, ma se si voleva un equivalente diretto per which si poteva fare (df.columns == name).nonzero()
Ha senso. Grazie! – ak3nat0n
Quando si potrebbe essere alla ricerca per trovare la colonna più corrispondenze, potrebbe essere utilizzata una soluzione vectorized utilizzando searchsorted method. Così, con df come dataframe e query_cols come i nomi delle colonne da ricercare, un'implementazione sarebbe -
def column_index(df, query_cols):
cols = df.columns.values
sidx = np.argsort(cols)
return sidx[np.searchsorted(cols,query_cols,sorter=sidx)]
Campione run -
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])
Ecco una soluzione attraverso di lista. cols è l'elenco delle colonne per ottenere indice per:
[df.columns.get_loc(c) for c in df.columns if c in cols]
Poiché 'cols' ha meno elementi di' df.columns', facendo 'per c in cols se c in df' sarebbe più veloce. – EOL
Nel caso in cui si desidera che il nome della colonna dalla posizione della colonna (il contrario dalla questione OP), è possibile utilizzare:
>>> df.columns.get_values()[location]
Utilizzo @DSM Esempio:
>>> 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'
altro modo:
df.iloc[:,1].name
Il numero di colonna è utile quando si utilizza l'operatore '.iloc', in cui è necessario passare solo numeri interi per righe e colonne. – abe
Oppure quando si utilizzano librerie che desiderano convertire il DF in una matrice numpy e indici di colonne con caratteristiche particolari. Ad esempio CatBoost vuole una lista di indici di caratteristiche categoriali. –
Ho avuto bisogno di questo quando aggiungo la formattazione condizionale dopo aver creato fogli di lavoro con ExcelWriter. Ho bisogno di fare riferimento a colonne (e celle) dalle loro coordinate di Excel. – Alejandro