如何基於另一列的值（其中兩個不同的列中的值在pandas中相等）找到一列的行索引？

Question

我有一些熊貓輸出：

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    

如何獲得第三列X3，該列在X2中為1.03，並在X1列中找到與相同編號相關聯的seq號？ 在我的示例中，從row7（行索引6）開始，X3應該返回4，因為當X1為1.03時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 

有史以來第一個堆棧問題。 請原諒我的愚蠢！

Answer 1

您能解釋一下為什么要讓數字4出現在X3所有行中嗎？

您可以通過鍵入以下命令獲得seq值（ 4 ），其中X1 == 1.03 ：

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

但這只給您4。請注意，我采用了第一個seq值（通過鍵入[0] ），因為如果您在X1 == 1.03的多個位置上，將返回數字列表（作為數據幀） ），而您尚未說明如何處理多個seq匹配。

以下代碼將運行並返回您請求的數據幀，但是我建議您花一些時間考慮是否需要X2和X3完全成為數據幀的一部分...

# 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)