Python:基于条件选择行
我有一个熊猫数据框,格式如下:Python:基于条件选择行,python,pandas,Python,Pandas,我有一个熊猫数据框,格式如下: df.head() y y_pred 599 0 0 787 9 9 47 2 2 1237 1 1 1069 6 6 我想找到行/索引号-其中y!=是的 我正试图通过选择来执行此操作,但无法执行此操作。请帮忙 TIA试试: df.index[df.y != df.y_pred] 让我们更改您的示例数据 df.iloc[0, 0] = 1 df.iloc[3, 1] = 0 pr
df.head()
y y_pred
599 0 0
787 9 9
47 2 2
1237 1 1
1069 6 6
我想找到行/索引号-其中y!=是的
我正试图通过选择来执行此操作,但无法执行此操作。请帮忙
TIA试试:
df.index[df.y != df.y_pred]
让我们更改您的示例数据
df.iloc[0, 0] = 1
df.iloc[3, 1] = 0
print(df)
y y_pred
599 1 0
787 9 9
47 2 2
1237 1 0
1069 6 6
然后试试我们的代码
df.index[df.y != df.y_pred]
Int64Index([599, 1237], dtype='int64')
为了提高效率,请使用底层的numpy
数组
df.index.values[df.y.values != df.y_pred.values]
array([ 599, 1237])
您可以使用返回df
子集
df.loc[(df.y != df.y_pred).values]
y y_pred
599 1 0
1237 1 0
使用:
样本:
print (df)
y y_pred
599 0 1 <-values changed for match
787 9 9
47 2 2
1237 1 1
1069 6 3 <-values changed for match
df = df.query('y != y_pred').index
print (df)
Int64Index([599, 1069], dtype='int64')
或者别的
对于检查不同的值:
print (df.query('y != y_pred'))
y y_pred
599 0 1
1069 6 3
print (df[df.y != df.y_pred])
y y_pred
599 0 1
1069 6 3
我重新开始这个问题,因为它是关于过滤的,但不同的是输出是索引
很高兴能帮助你们!天气真好!
df1 = df[df.y != df.y_pred].index
print (df1)
Int64Index([599, 1069], dtype='int64')
print (df.query('y != y_pred'))
y y_pred
599 0 1
1069 6 3
print (df[df.y != df.y_pred])
y y_pred
599 0 1
1069 6 3