在Pandas数据框中查找某个值的索引

Question

我有一个问题，理论上不应该很难，但是却让我束手无策。肯定有一种简便的方法可以解决它。我有一个来自数据帧的序列，长这样：

               value

2001-01-04     0.134
2001-01-05      Nan
2001-01-06      Nan
2001-01-07     0.032
2001-01-08      Nan
2001-01-09     0.113
2001-01-10      Nan
2001-01-11      Nan
2001-01-12     0.112
2001-01-13      Nan
2001-01-14      Nan
2001-01-15     0.136
2001-01-16      Nan
2001-01-17      Nan

从下往上迭代，我需要找到值大于0.100的索引，该值在最早日期是下一个最早日期小于0.100的情况下。在上述系列中，我想找到值为0.113的索引，即2001-01-09。下一个较早的值低于0.100（2001-01-07上的0.031）。两个稍后的值大于0.100，但我想要在低于阈值的值之后从下到上迭代查找最早的大于0.100的值的索引。我唯一能想到的方法是反转序列，迭代到第一个（最后一个）值，检查它是否>0.100，然后再次迭代到较早的值，并检查它是否小于0.100。如果不是，则完成操作。如果>0.100，则必须再次迭代并测试更早的数字。肯定有一种不混乱的方法可以做到这一点，但我没有看到，可以避免所有这些逐步迭代。先感谢您的帮助。

- Windstorm1981

Answer 1

你实际上是在寻找两个条件。对于第一个条件，你希望给定的值大于0.1：

df['value'].gt(0.1)

对于第二个条件，你希望前一个非空值小于0.1：

df['value'].ffill().shift().lt(0.1)

现在，使用and运算符将这两个条件组合起来，反转结果布尔索引，并使用idxmax找到第一个（最后一个）满足条件的实例：

(df['value'].gt(0.1) & df['value'].ffill().shift().lt(0.1))[::-1].idxmax()

这将得出预期的索引值。

以上方法假定至少有一个值满足您所描述的情况。如果您的数据可能不满足您的情况，您可能想使用any来验证是否存在解决方案：

# Build the condition.
cond = (df['value'].gt(0.1) & df['value'].ffill().shift().lt(0.1))[::-1]

# Check if the condition is met anywhere.
if cond.any():
    idx = cond.idxmax()
else:
    idx = ???

在您的问题中，您已经指定了两个不等式都是严格的。那么对于一个恰好等于0.1的值会发生什么？您可能需要将其中一个gt/lt更改为ge/le来解决这个问题。

- root

---

简单而优雅。谢谢！ - Windstorm1981

很棒的答案。Idmax 部分非常聪明。 - anniejcannon

Answer 2

记账

# making sure `nan` are actually `nan`
df.value = pd.to_numeric(df.value, 'coerce')
# making sure strings are actually dates
df.index = pd.to_datetime(df.index)

计划

• dropna - 删除缺失值
• sort_index - 按索引排序
• 小于0.1的布尔系列 - 将其转换为整数以在diff中使用
• diff - 当我们从< .1到> .1时，会出现您的情况。 在这种情况下，diff将是-1
• idxmax - 找到第一个-1

---

df.value.dropna().sort_index().lt(.1).astype(int).diff().eq(-1).idxmax()

2001-01-09 00:00:00

修正根据 @root 指出的缺陷。

diffs = df.value.dropna().sort_index().lt(.1).astype(int).diff().eq(-1)
diffs.idxmax() if diffs.any() else pd.NaT

---

编辑

这个问题突出了一个重要的SO（stackoverflow）动态。我们回答问题时通常通过编辑我们的问题直到它们满足要求。我注意到，那些回答pandas问题的人通常相互之间很有帮助，也对那些提问的人很有帮助。

在这篇文章中，我被 @root 很好地启示，随后修改了我的文章以反映出新增的信息。仅此一点就使@root的帖子非常有用，除非还包含其他优秀的信息。

请认可两篇帖子并尽可能多地点赞有用的帖子。

谢谢

- piRSquared