>>> pd.DataFrame([1], index=['1']).loc['2'] # KeyError
>>> pd.DataFrame([1], index=['1']).loc[['2']] # KeyError
>>> pd.DataFrame([1], index=['1']).loc[['1','2']] # Succeeds, as in the answer below.
我希望有一些东西，在两个方面都不会失败。
>>> pd.DataFrame([1], index=['1']).loc['2'] # KeyError
>>> pd.DataFrame([1], index=['1']).loc[['2']] # KeyError
是否有类似于loc的函数可以优雅地处理这个问题，或者其他表达此查询的方式？
对@AlexLenail评论的更新
他说的没错，这对于大型列表来说会很慢。我做了更多的调查，并发现索引和列都可以使用intersection方法。我不确定算法复杂度，但实际上要快得多。
你可以像这样做。
good_keys = df.index.intersection(all_keys)
df.loc[good_keys]
就像你的例子一样
df = pd.DataFrame([1], index=['1'])
df.loc[df.index.intersection(['2'])]
以下是一个小实验
n = 100000
# Create random values and random string indexes
# have the bad indexes contain extra values not in DataFrame Index
rand_val = np.random.rand(n)
rand_idx = []
for x in range(n):
rand_idx.append(str(x))
bad_idx = []
for x in range(n*2):
bad_idx.append(str(x))
df = pd.DataFrame(rand_val, index=rand_idx)
df.head()
def get_valid_keys_list_comp():
# Return filtered DataFrame using list comprehension to filter keys
vkeys = [key for key in bad_idx if key in df.index.values]
return df.loc[vkeys]
def get_valid_keys_intersection():
# Return filtered DataFrame using list intersection() to filter keys
vkeys = df.index.intersection(bad_idx)
return df.loc[vkeys]
%%timeit
get_valid_keys_intersection()
# 64.5 ms ± 4.53 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
%%timeit
get_valid_keys_list_comp()
# 6.14 s ± 457 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
原始回答
我不确定 pandas 是否有内置函数来处理这个问题，但是你可以使用 Python 列表推导式来过滤有效的索引，类似于以下方式。
给定一个 DataFrame df2
A B C D F
test 1.0 2013-01-02 1.0 3 foo
train 1.0 2013-01-02 1.0 3 foo
test 1.0 2013-01-02 1.0 3 foo
train 1.0 2013-01-02 1.0 3 foo
keys = ['test', 'train', 'try', 'fake', 'broken']
valid_keys = [key for key in keys if key in df2.index.values]
df2.loc[valid_keys]
如果您使用 df2.columns 而不是 df2.index.values，这也适用于列。
df[df.index=='2'] -> 返回匹配值的数据帧或空数据帧。
改进翻译如下:df[df.index=='2'] -> 将返回与之匹配的数据帧或空数据帧。
对我来说看起来工作得很好。我正在运行Python 3.5和pandas版本0.20.3。
import numpy as np
import pandas as pd
# Create dataframe
data = {'distance': [0, 300, 600, 1000],
'population': [4.8, 0.7, 6.4, 2.9]}
df = pd.DataFrame(data, index=['Alabama','Alaska','Arizona','Arkansas'])
keys = ['Alabama', 'Alaska', 'Arizona', 'Virginia']
# Create a subset of the dataframe.
df.loc[keys]
distance population
Alabama 0.0 4.8
Alaska 300.0 0.7
Arizona 600.0 6.4
Virginia NaN NaN
或者，如果您想排除NaN行：
df.loc[keys].dropna()
distance population
Alabama 0.0 4.8
Alaska 300.0 0.7
Arizona 600.0 6.4
这个页面https://pandas.pydata.org/pandas-docs/stable/indexing.html#deprecate-loc-reindex-listlike有解决方案：
In [8]: pd.DataFrame([1], index=['1']).reindex(['2'])
Out[8]:
0
2 NaN
有一个get函数，它允许你在找不到键时提供一个默认值。
import pandas as pd
pd.DataFrame([1], index=['1']).get('2', "default")
Out[1]: 'default'
pd.DataFrame([1], index=['1']).get(['2'], "default")
Out[2]: 'default'
import numpy as np
import pandas as pd
# Create dataframe
data = {'distance': [0, 300, 600, 1000],
'population': [4.8, 0.7, 6.4, 2.9]}
df = pd.DataFrame(data, index=['Alabama','Alaska','Arizona','Arkansas'])
keys = ['Alabama', 'Alaska', 'Arizona', 'Virginia']
df.reindex(keys)
distance population
Alabama 0.0 4.8
Alaska 300.0 0.7
Arizona 600.0 6.4
Virginia NaN NaN
df.reindex(df.index.intersection(keys))
distance population
Alabama 0 4.8
Alaska 300 0.7
Arizona 600 6.4
df.loc使用索引（来自df.index的值）而不是行的位置。您是否意味着使用.iloc
df.loc[df.index.intersection(list)]。 - Alex Lenail