Python 确定元素在数据帧中的位置

我正在搜索一个函数，该函数返回数据帧中元素的位置。 -数据帧中的值之间存在重复项 -数据帧约10*2000 -该函数将使用applymap（）应用于数据帧

例如：

get_位置（2）不清楚，因为它可能是“R1”或“R2”。我是 想知道python是否有其他方法知道 元素保持不变-可能在applymap（）操作期间

编辑：

df.秩（轴=1，pct=True）

编辑2：

步骤1）

步骤2）

步骤4）

---

如果需要在数据帧中按值索引或列名称，请将其用于位置，然后选择转换为numpy数组的所有索引或列值：

df = pd.DataFrame({"R1": [8,2,3], "R2": [2,3,4], "R3": [-3,4,-1]})

i, c = np.where(df == 2)
print (i, c)
[0 1] [1 0]

print (df.index.values[i])
[0 1]

print (df.columns.values[c])
['R2' 'R1']

编辑：

或：

编辑：

函数的解决方案-需要通过重塑和提取Series.name创建的一列数据帧进行迭代，与列名相同：

def get_column_name1(x):
    return x.name

---

---

---

感谢您的快速回复！假设我正在用rank函数修改我的数据帧。这样，我在每一行中都有相同的值。有没有一种方法可以让我只显示一行的np.where（df==x），这样我就可以得到一对坐标？（参见有问题的编辑）@DieterMueller-那么您需要像一列一样的输出？或者同时使用两列，然后应用秩函数，如

cols=df.columns.values[c]

然后

df[cols.rank（axis=1，pct=True）

？我最初有一个数据帧，其中包含的值范围约为[-0,05；+0,05]。然后我应用.rank（）函数来获取x轴上的pct值。我现在遇到的下一步是，当我试图使用df.rank（）从初始df中检索初始值时。这就是为什么我试图确定df.rank（）中的位置，然后引用初始df。两个数据帧的测量值均为10*2000。@DieterMueller-请选中编辑。有点问题，预期的输出是什么？好的。在最后一步之后，如何获得初始数据帧（df）的值？我的意思是除去所有其他值后，每行中只有一个。在这种情况下。因此，最后我想根据df.rank（）中的百分比值引用inital数据帧中的列名。你能理解吗？或者我的解释缺乏信息？非常感谢。

df_rank = df_initial.rank(axis=1,pct=True)

# Building Groups based on the percentage of the respective value

    def function103(x):

        if 0.0 <= x <= 0.1:
            P1.append(get_column_name1(x))
            return x
        elif 0.1 < x <= 0.2:
            P2.append(get_column_name1(x))
            return x
        elif 0.2 < x <= 0.3:
            P3.append(get_column_name1(x))
            return x
        elif 0.3 < x <= 0.4:
            P4.append(get_column_name1(x))
            return x
        elif 0.4 < x <= 0.5:
            P5.append(get_column_name1(x))
            return x
        elif 0.5 < x <= 0.6:
            P6.append(get_column_name1(x))
            return x
        elif 0.6 < x <= 0.7:
            P7.append(get_column_name1(x))
            return x
        elif 0.7 < x <= 0.8:
            P8.append(get_column_name1(x))
            return x
        elif 0.8 < x <= 0.9:
            P9.append(get_column_name1(x))
            return x
        elif 0.9 < x <= 1.0:
            P10.append(get_column_name1(x))
            return x
        else:
            return x

# trying to get the columns Name of the the respective value
# my idea was to determine the Position of each value to then write a function

    def get_column_name1(x)

#to return the values column Name

# apply the function

P1=[]
P2=[]
P3=[]
P4=[]
P5=[]
P6=[]
P7=[]
P8=[]
P9=[]
P10=[]
P11=[]
df_rank.applymap(function103).head()

df = pd.DataFrame({"R1": [8,2,3], "R2": [2,3,4], "R3": [-3,4,-1]})

i, c = np.where(df == 2)
print (i, c)
[0 1] [1 0]

print (df.index.values[i])
[0 1]

print (df.columns.values[c])
['R2' 'R1']

i, c = np.where(df == 2)

df1 = df.rank(axis=1,pct=True)
print (df1)
         R1        R2        R3
0  1.000000  0.666667  0.333333
1  0.333333  0.666667  1.000000
2  0.666667  1.000000  0.333333

print (df1.iloc[i, c])
         R2        R1
0  0.666667  1.000000
1  0.666667  0.333333

print (df1.where(df == 2).dropna(how='all').dropna(how='all', axis=1))
         R1        R2
0       NaN  0.666667
1  0.333333       NaN

out = df1.stack()[df.stack() == 2].rename_axis(('idx','cols')).reset_index(name='val')
print (out)
   idx cols       val
0    0   R2  0.666667
1    1   R1  0.333333

def get_column_name1(x):
    return x.name

P1=[]
P2=[]
P3=[]
P4=[]
P5=[]
P6=[]
P7=[]
P8=[]
P9=[]
P10=[]
P11=[]

def function103(x):

    if 0.0 <= x[0] <= 0.1:
        P1.append(get_column_name1(x))
        return x
    elif 0.1 < x[0] <= 0.2:
        P2.append(get_column_name1(x))
        return x
    elif 0.2 < x[0] <= 0.3:
        P3.append(get_column_name1(x))
        return x
    elif 0.3 < x[0] <= 0.4:
        P4.append(get_column_name1(x))
        return x
    elif 0.4 < x[0] <= 0.5:
        P5.append(get_column_name1(x))
        return x
    elif 0.5 < x[0] <= 0.6:
        P6.append(get_column_name1(x))
        return x
    elif 0.6 < x[0] <= 0.7:
        P7.append(get_column_name1(x))
        return x
    elif 0.7 < x[0] <= 0.8:
        P8.append(get_column_name1(x))
        return x
    elif 0.8 < x[0] <= 0.9:
        P9.append(get_column_name1(x))
        return x
    elif 0.9 < x[0] <= 1.0:
        P10.append(get_column_name1(x))
        return x
    else:
        return x

a = df_rank.stack().reset_index(level=0, drop=True).to_frame().apply(function103, axis=1)

print (P4)
['R3', 'R1', 'R3']