Python 获取与某些条件匹配的数据帧的列和行索引对

假设我有一个Pandas

DataFrame

，如下所示。这些值基于距离矩阵

A = pd.DataFrame([(1.0,0.8,0.6708203932499369,0.6761234037828132,0.7302967433402214),
                  (0.8,1.0,0.6708203932499369,0.8451542547285166,0.9128709291752769),
        (0.6708203932499369,0.6708203932499369,1.0,0.5669467095138409,0.6123724356957946),
        (0.6761234037828132,0.8451542547285166,0.5669467095138409,1.0,0.9258200997725514),
        (0.7302967433402214,0.9128709291752769,0.6123724356957946,0.9258200997725514,1.0)
                  ])

输出：

Out[65]: 
          0         1         2         3         4
0  1.000000  0.800000  0.670820  0.676123  0.730297
1  0.800000  1.000000  0.670820  0.845154  0.912871
2  0.670820  0.670820  1.000000  0.566947  0.612372
3  0.676123  0.845154  0.566947  1.000000  0.925820
4  0.730297  0.912871  0.612372  0.925820  1.000000

我只想要上面的三角形

c2 = A.copy()
c2.values[np.tril_indices_from(c2)] = np.nan

输出：

Out[67]: 

        0    1        2         3         4
    0 NaN  0.8  0.67082  0.676123  0.730297
    1 NaN  NaN  0.67082  0.845154  0.912871
    2 NaN  NaN      NaN  0.566947  0.612372
    3 NaN  NaN      NaN       NaN  0.925820
    4 NaN  NaN      NaN       NaN       NaN

现在，我想根据一些标准获得列和行索引对。 例如：获取值大于0.8的列和行索引。为此，输出应为

[1,3]，[1,4]，[3,4]

。有什么帮助吗？

您可以使用numpy的：

要获取索引/列（而不是它们的整数位置），可以使用列表：

[(c2.index[i], c2.columns[j]) for i, j in np.argwhere(c2 > 0.8)]

---

似乎我用了一个错误的例子问这个问题。如果我的行和列索引[1,2,3,5,8]非常好，会发生什么情况呢！：）非常感谢。请在答案中编辑此内容，以便我可以接受。

[(c2.index[i], c2.columns[j]) for i, j in np.argwhere(c2 > 0.8)]