通过特定列值选择熊猫数据框中的索引

Question

我有一个熊猫数据框，看起来像这样

   ievt ch  n_max   t0
0   0   0   0.0 0.0
1   0   1   0.0 0.0
2   0   2   6.0 175.0
3   0   3   1.0 1253.0
4   0   4   0.0 0.0
... ... ... ... ...
999995  30302   29  0.0 0.0
999996  30302   30  0.0 NaN
999997  30302   31  0.0 NaN
999998  30302   32  0.0 0.0
999999  30303   0   0.0 0.0
1000000 rows × 4 columns

和列ievt的值数组，如下所示

ievt_nbrs = array([0,    3,     7,     9, ..., 30292, 30293, 30299])

现在我想获取具有这些ievt数字的数据帧的索引。 例如对于 ievt 编号 0，我将获得 33 个索引（因为我有 33 个通道），所以我的索引数组将从0,1,2,...,33, 33*3, 33*3+1,...开始。 0,1,2,...,33, 33*3, 33*3+1,...我希望很清楚我的目标是什么。 我目前为获取索引所做的是一个 for 循环，但这当然非常慢：

indices_accept = np.array([])
for i in ievt_nbrs:
    indices_accept = np.append(indices_accept, df.index[df['ievt']==i])
indices_accept = indices_accept.astype('int')

如何使用熊猫索引或其他更快的方法来做到这一点？

Answer 1

您可以使用df["ievt"]系列的isin方法：

df.loc[df["ievt"].isin(ievt_nbrs), :]

如果您只需要索引，只需在结果数据帧上调用index方法。

例子：

>>> df 
    ievt  ch
0      0   1
1      0   2
2      0   3
3      0   4
4      0   5
5      1   1
6      1   2
7      1   3
8      1   4
9      1   5
10     2   1
11     2   2
12     2   3
13     2   4
14     2   5
>>> indices = [1, 2]
>>> df.loc[df["ievt"].isin(indices), :]
   ievt  ch
5      1   1
6      1   2
7      1   3
8      1   4
9      1   5
10     2   1
11     2   2
12     2   3
13     2   4
14     2   5
>>> df.loc[df["ievt"].isin(indices), :].index
Int64Index([5, 6, 7, 8, 9, 10, 11, 12, 13, 14], dtype='int64')