Python 如何有效地查找数据帧中交替布尔值的索引

使用如下所示的数据帧：

       A      B  
0   True  False  
1   True  False  
2   True  False  
3  False   True  
4  False  False  
5   True  False

我需要得到a列和b列之间交替布尔的索引列表。因此，当A列第一次显示为True时，我可以将0添加到列表中。现在我切换到B列，找到0之后的下一个索引，它显示True，即3。然后我切换回A列，添加下一个索引，在索引3之后显示True。最后，我将有一个值为[0,3,5]的列表。我目前正在通过遍历for循环中的行和if语句来构建这些列表。我认为这不是最有效的方法。任何关于“正确”方法的帮助都将不胜感激。谢谢

这样更好吗

inputList=[(True,False),(True,False),(True,False),
          (False,True),(False,False),(True,False)]
l=list()
toggle=0

for i in range(0,len(inputList)):
    if (inputList[i][toggle%2]==True):
        l.append(i)
        toggle+=1
print l

---

一种方法可能是这样的：

在[3]中：

df['C'] = df.A.astype(int) - df.B.astype(int)
df['D'] = df[['C']].apply(lambda x: (x != x.shift()).astype(int).cumsum())
df[(df.C == 1) | (df.C == -1)].groupby('D').head(1).index

出[3]：

Int64Index([0, 3, 5], dtype='int64')

我没有对它进行过广泛的测试，但它可以与您提供的示例一起使用，包括这一个：

df = pd.DataFrame({'A': [True, True, False, True, False, False, True], 
                   'B': [False, False, True, False, False, True, False]})

在[4]中：

df['C'] = df.A.astype(int) - df.B.astype(int)
df['D'] = df[['C']].apply(lambda x: (x != x.shift()).astype(int).cumsum())
df[(df.C == 1) | (df.C == -1)].groupby('D').head(1).index.tolist()

出[4]：

[0, 2, 3, 5, 6]

---

如果您需要任何意见，请随时发表。谢谢您的回答。我以前从未与groupby合作过，所以我很难理解它是如何工作的。尤其是当它的groupby超过一列时。我用不同的数据帧测试了您的代码，但它没有给出我所期望的结果。A=[True，True，False，True，False，True]B=[False，False，True，False，True，False]得到的是[0,2,5]，而不是[0,2,3,5,6]，很难高估

.groupby

操作的重要性，因此我鼓励您在论坛的或此处查看示例。理解代码的最好方法是将其分解，并查看其功能。我已经更新了代码以考虑到这个新案例。我很肯定它现在在任何情况下都能正常工作。因为你没有在任何地方提到它，所以它会忽略

A

和

B

都是

True

的行。但是您可以在代码设置条件的第3行将其更改为

df.C！=0

。