Question

我确信有一种明显的方法可以做到这一点，但现在无法想到任何光滑的东西。

基本上我没有提出异常，而是希望True或False查看pandas df索引中是否存在值。

import pandas as pd
df = pd.DataFrame({'test':[1,2,3,4]}, index=['a','b','c','d'])
df.loc['g']  # (should give False)

我现在的工作是以下

sum(df.index == 'g')

Answer 1

这应该可以解决问题

'g' in df.index

Answer 2

仅供参考，因为它是我正在寻找的东西，你可以通过附加“.values”方法测试值或索引中的存在，例如。

g in df.<your selected field>.values
g in df.index.values

我发现添加“.values”以获得一个简单的列表或ndarray out存在或“in”检查使用其他python工具更顺畅地运行。我以为我会把它扔给别人。

Answer 3

多索引与单个索引略有不同。以下是多索引数据框的一些方法。

df = pd.DataFrame({'col1': ['a', 'b','c', 'd'], 'col2': ['X','X','Y', 'Y'], 'col3': [1, 2, 3, 4]}, columns=['col1', 'col2', 'col3'])
df = df.set_index(['col1', 'col2'])

in df.index仅在检查单个索引值时才适用于第一级。

'a' in df.index     # True
'X' in df.index     # False

检查df.index.levels其他级别。

'a' in df.index.levels[0] # True
'X' in df.index.levels[1] # True

在df.index中检查索引组合元组。

('a', 'X') in df.index  # True
('a', 'Y') in df.index  # False

Answer 4

下面的代码不输出布尔值，但允许按索引对数据框进行子集设置...我知道这可能不是解决问题的最有效方法，但是我（1）喜欢这种方式，而（2）可以轻松地将df2中存在df1索引的子集：

df3 = df1[df1.index.isin(df2.index)]

或df2中不存在df1索引的地方...

df3 = df1[~df1.index.isin(df2.index)]

Answer 5

df = pandas.DataFrame({'g':[1]}, index=['isStop'])

#df.loc['g']

if 'g' in df.index:
    print("find g")

if 'isStop' in df.index:
    print("find a")

Answer 6

使用DataFrame：df_data

>>> df_data
  id   name  value
0  a  ampha      1
1  b   beta      2
2  c     ce      3

我尝试过：

>>> getattr(df_data, 'value').isin([1]).any()
True
>>> getattr(df_data, 'value').isin(['1']).any()
True

但是：

>>> 1 in getattr(df_data, 'value')
True
>>> '1' in getattr(df_data, 'value')
False

很好玩：D

检查pandas dataframe index中是否存在值

6 个答案: