如何基于另一列的值（其中两个不同的列中的值在pandas中相等）找到一列的行索引？

Question

我有一些熊猫输出：

seq X1      X2   
0   0.59    NaN  
1   -1.28   NaN  
2   -1.26   NaN 
3   -0.79   NaN 
4   1.03    NaN
5   -1.43   NaN 
6   0.03    1.03    
7   0.92    1.03
8   -2.21   1.03    

如何获得第三列X3，该列在X2中为1.03，并在X1列中找到与相同编号相关联的seq号？ 在我的示例中，从row7（行索引6）开始，X3应该返回4，因为当X1为1.03时seq = 4。

我渴望：

seq  X1     X2  X3
0   0.59    NaN  NaN
1   -1.28   NaN  NaN
2   -1.26   NaN  NaN
3   -0.79   NaN  NaN
4   1.03    NaN  NaN
5   -1.43   NaN  NaN
6   0.03    1.03 4  
7   0.92    1.03 4
8   -2.21   1.03 4 

有史以来第一个堆栈问题。 请原谅我的愚蠢！

Answer 1

您能解释一下为什么要让数字4出现在X3所有行中吗？

您可以通过键入以下命令获得seq值（ 4 ），其中X1 == 1.03 ：

df.loc[df['X1']==1.03, 'seq'].values[0]

但这只给您4。请注意，我采用了第一个seq值（通过键入[0] ），因为如果您在X1 == 1.03的多个位置上，将返回数字列表（作为数据帧） ），而您尚未说明如何处理多个seq匹配。

以下代码将运行并返回您请求的数据帧，但是我建议您花一些时间考虑是否需要X2和X3完全成为数据帧的一部分...

# Import what you need
import pandas as pd
import numpy as np

# Define the data
x1 = np.array([0.59, -1.28, -1.27, -0.79, \
                1.03, -1.43, 0.03, 0.92, -2.21])
x2 = np.array([np.nan, np.nan, np.nan, np.nan, \
                np.nan, np.nan, 1.03, 1.03, 1.03])

# Create a pandas dataframe
df = pd.DataFrame( { 'seq' : range(9),
                     'X1'  : x1,
                     'X2'  : x2 } )

# Figure out where the first instance of X1==1.03
# occurs and grab that seq value
s_first = df.loc[df['X1']==1.03,'seq'].values[0]

# Fill in X3 according to the values in X2
df.loc[df['X2'].isnull(), 'X3'] = np.nan
df.loc[df['X2'].notnull(), 'X3'] = s_first

# Show the 9 rows in the data frame
df.head(9)