Question

我想根据给定条件获取行号和列号。＆＃34;坐标＆＃34;如果你愿意的话。

import re
import pandas as pd
import numpy as np
dfp = pd.DataFrame({'A' : [1,21,8,44,np.NaN,6,75,8,44,999], 
                    'B' : [1,1,3,5,0,0,np.NaN,9,0,0], 
                    'C' : ['AA1233445','AA1233445', 'rmacy','Idaho Rx','Ab123455','TV192837','RX','Ohio Drugs','RX12345','USA Pharma'], 
                    'D' : [123456,123456,1234567,12345678,12345,12345,12345678,123456789,1234567,np.NaN],
                    'E' : ['Assign','Assign','Hello','Ugly','Appreciate','Undo','Testing','Unicycle','Pharma','Unicorn',]})
print(dfp)

       A    B           C            D           E
0    1.0  1.0   AA1233445     123456.0      Assign
1   21.0  1.0   AA1233445     123456.0      Assign
2    8.0  3.0       rmacy    1234567.0       Hello
3   44.0  5.0    Idaho Rx   12345678.0        Ugly
4    NaN  0.0    Ab123455      12345.0  Appreciate
5    6.0  0.0    TV192837      12345.0        Undo
6   75.0  NaN          RX   12345678.0     Testing
7    8.0  9.0  Ohio Drugs  123456789.0    Unicycle
8   44.0  0.0     RX12345    1234567.0      Pharma
9  999.0  0.0  USA Pharma          NaN     Unicorn

我可以通过以下方式获得输出：

print(dfp.loc[dfp['B'].isnull()].index.values[0] + 1 ,
',', + int([i for i,x in enumerate(dfp.columns.tolist()) if x == 'B'][0] + 1))

但问题是如果B有多个空值。我想要所有空值的坐标。

有没有办法使用dataframe.loc或类似的东西来做到这一点？在值中添加1并不是什么大问题，我可以在以后轻松地做到这一点。

Answer 1

我使用np.where和zip

的组合

i, j = np.where(dfp.isnull().values)

# Coordinates in the space of the actual index and column names
list(zip(dfp.index[i], dfp.columns[j]))

[(4, 'A'), (6, 'B'), (9, 'D')]

否则，坚持

的序数位置

list(zip(i, j))

[(4, 0), (6, 1), (9, 3)]

或者

np.column_stack([i, j])

array([[4, 0],
       [6, 1],
       [9, 3]])

Answer 2

您可以使用

> final3pl

Call:
  tpm(data = finalqnum, type = "latent.trait")

Coefficients:
  Gussng  Dffclt  Dscrmn
p01   0.000  -1.503   1.379
p02   0.000  -1.407   1.427
p03   0.000  -1.121   1.873
p04   0.058  -0.888   2.428
p05   0.009  -1.049   2.345
p06   0.149  -1.010   2.158
p07   0.261   0.906   1.771
p09   0.000  -2.000   1.151
p10   0.000  -0.754   1.069
q31   0.021  -0.066   1.164
q10   0.205   0.261   1.028
q11   0.132   1.268   1.078
q12   0.077  -0.112   1.116
q13   0.170   2.847   2.245
q15   0.205   1.155   2.218

Log.Lik: -6954.86

为了简明地添加dfp[pd.isnull(dfp['B'])].index.tolist()，您可以使用：

打印

np.asarray(dfp[pd.isnull(dfp['B'])].index) + 1

要包含B列的索引（print(np.asarray(dfp[pd.isnull(dfp['B'])].index) + 1)）：

dfp.columns.get_loc("B") + 1

在给定的列列表中查找“NaN”：

for x in np.asarray(dfp[pd.isnull(dfp['B'])].index) + 1:
    print(str(x)+','+str(dfp.columns.get_loc("B") + 1))

一些解释

def find_NaN(list_col): for c in list_col: if c in dfp.columns: for x in np.asarray(dfp[pd.isnull(dfp[c])].index) + 1: print(str(x)+','+str(dfp.columns.get_loc(c) + 1)) find_NaN(["A","B"]) 5,1 7,2使用布尔值数组从数据框中选择数据。

dfp[pd.isnull(dfp['B'])]给出了列dfp.columns.get_loc(c)

的索引

从Pandas Condition获取行号和列号

2 个答案: