Question

我需要在不属于索引的列上使用DataFrame作为查找表。例如（这只是一个简单的说明）：

import pandas as pd

westcoast = pd.DataFrame([['Washington','Olympia'],['Oregon','Salem'],
                          ['California','Sacramento']],
                        columns=['state','capital'])
print westcoast

        state     capital
0  Washington     Olympia
1      Oregon       Salem
2  California  Sacramento

查找并将Series作为输出很容易：

westcoast[westcoast.state=='Oregon'].capital

1    Salem
Name: capital, dtype: object

但我想获得字符串'Salem'：

westcoast[westcoast.state=='Oregon'].capital.values[0]

'Salem'

并且.values[0]似乎有点笨拙......有更好的方法吗？

（FWIW：我的真实数据最多可能包含50行，但列数很多，所以如果我设置了一个索引列，无论我选择哪一列，都会有这样的查找操作，而不是基于一个索引，行数相对较少意味着我不在乎它是否是O（n）查找。）

Answer 1

是的，如果查询总是返回Series中的一个元素，则可以使用Series.item：

westcoast.loc[westcoast.state=='Oregon', 'capital'].item()

如果查找没有返回任何内容，或者一个或多个值，并且您只需要第一个项目，则可以处理异常：

s = westcoast.loc[westcoast.state=='Oregon', 'capital']
s = np.nan if s.empty else s.iat[0] 
print (s) #Salem

s = westcoast.loc[westcoast.state=='New York', 'capital']
s = np.nan if s.empty else s.iat[0] 
print (s)
nan

处理异常的更通用的解决方案，因为有3种可能的输出方案：

westcoast = pd.DataFrame([['Washington','Olympia'],['Oregon','Salem'],
                          ['California','Sacramento'],['Oregon','Portland']],
                        columns=['state','capital'])

print (westcoast)
        state     capital
0  Washington     Olympia
1      Oregon       Salem
2  California  Sacramento
3      Oregon    Portland

s = westcoast.loc[westcoast.state=='Oregon', 'capital']

#if not value returned
if s.empty:
    s = 'no match'

#if only one value returned
elif len(s) == 1:
    s = s.item()
else:

# if multiple values returned, return a list of values
    s = s.tolist()

print (s)
['Salem', 'Portland']

可以创建查找功能：

def look_up(a):
    s = westcoast.loc[westcoast.state==a, 'capital']
    #for no match
    if s.empty:
        return np.nan
    #for match only one value
    elif len(s) == 1:
        return s.item()
    else:
    #for return multiple values
        return s.tolist()

print (look_up('Oregon'))
['Salem', 'Portland']

print (look_up('California'))
Sacramento

print (look_up('New Yourk'))
nan

Answer 2

如果您要频繁查找此类，那么将state作为索引是值得的：

state_capitals = westcoast.set_index('state')['capital']
print(state_capitals['Oregon'])
# Salem

使用索引时，每次查找平均为O(1)，而westcoast['state']=='Oregon'则需要O(n)次比较。当然，构建索引也是O(n)，因此您需要进行许多查找才能获得回报。

同时，一旦你state_capitals语法很简单，就像dict一样。这可能足以构建state_capitals。

查找Pandas数据帧中的第一个匹配项

2 个答案: