如何基于搜索特定列中的数据在 Pandas Dataframe 中选择一行

Question

我有一个与 Pandas 库的 DataFrames 相关的查询。 让，我有一个这样的数据框：

purchase_1 = pd.Series({'Name': 'Chris',
                        'Item Purchased': 'Dog Food',
                        'Cost': 22.50})
purchase_2 = pd.Series({'Name': 'Kevyn',
                        'Item Purchased': 'Kitty Litter',
                        'Cost': 2.50})
purchase_3 = pd.Series({'Name': 'Vinod',
                        'Item Purchased': 'Bird Seed',
                        'Cost': 5.00})

df = pd.DataFrame([purchase_1, purchase_2, purchase_3], index=['Store 1', 'Store 1', 'Store 2'])

我想知道谁购买了该商品的最高成本，或者谁购买了狗粮。 基本上我想在单列中找到单个数据，然后我想选择整行。 我想从所选行的任何列中提取任何数据。 最pythonic的方法是什么？

Answer 1

如果要选择一行 DataFrame 使用boolean indexing并比较最大值：

df1 = df[df['Cost'] == df['Cost'].max()]
print (df1)
          Name Item Purchased  Cost
Store 1  Chris       Dog Food  22.5

或者，如果DataFrame.set_index最大Cost创建Name ，则通过DataFrame.set_index按Name列创建索引，然后使用Series.idxmax ：

a = df.set_index('Name')['Cost'].idxmax()
print (a)
Chris

按Dog Food过滤：

df2 = df[df['Item Purchased'] == 'Dog Food']
print (df2)
          Name Item Purchased  Cost
Store 1  Chris       Dog Food  22.5

如果只需DataFrame.loc过滤行Name - 第一个与DataFrame.loc匹配的值 - 输出是Series ，一个或多个值：

s = df.loc[df['Item Purchased'] == 'Dog Food', 'Name']
print (s)
Store 1    Chris
Name: Name, dtype: object

然后选择第一个值：

print (s[0])
Chris

但如果值不存在则返回空Series ：

s = df.loc[df['Item Purchased'] == 'Cat Food', 'Name']
print (s)
Series([], Name: Name, dtype: object)

因此，如果没有过滤值，则有必要使用替代解决方案选择next和iter作为默认值：

print (next(iter(s), 'no match'))
no match