Python 获取布尔级数为真的索引列表

我有一个带有布尔项的熊猫系列。我想得到一个索引列表，其中的值是

True

例如，输入

pd.Series（[True，False，True，True，False，False，False，True]）

应产生输出

[0,2,3,7]

我可以通过列表理解来完成，但是有更干净或更快的吗？

使用 如果需要

np.array

对象，请获取

.values

>>> s[s].index.values
array([0, 2, 3, 7])

---

使用

---

使用

---

使用

---

使用

---

使用

---

使用python内置的

---

使用

列表理解

除此之外，以下是以下设置的相应时间（从最快到最慢）

将numpy导入为np
作为pd进口熊猫
s=pd.系列（[x>0.5表示np.随机.随机（尺寸=1000）]）

使用

>>timeit np.where（s）[0]
每个回路12.7µs±77.4 ns（7次运行的平均值±标准偏差，每个100000个回路）

---

使用

>>timeit np.flatnonzero（s）
每个回路18µs±508 ns（7次运行的平均值±标准偏差，每个100000个回路）

---

使用 布尔索引的时间差真的让我感到惊讶，因为布尔索引通常使用得更多

>>timeit s.index[s]
每个回路82.2µs±38.9 ns（7次运行的平均值±标准偏差，每个10000个回路）

---

使用

>timeit[s]。索引
每个回路1.75 ms±2.16µs（7次运行的平均值±标准偏差，每个1000个回路）

如果需要

np.array

对象，请获取

.values

>>> s[s].index.values
array([0, 2, 3, 7])

>timeit s[s].index.values
每个回路1.76 ms±3.1µs（7次运行的平均值±标准偏差，每个1000个回路）

如果需要更易于阅读的版本>>timeit[s==True]。索引 每个回路1.89 ms±3.52µs（7次运行的平均值±标准偏差，每个1000个回路）

---

使用>>timeit s.where（s）.dropna（）索引 每个回路2.22 ms±3.32µs（7次运行的平均值±标准偏差，每个100个回路） >>>timeit s.where（s==True）.dropna（）.index 每个回路2.37 ms±2.19µs（7次运行的平均值±标准偏差，每个100个回路）

---

使用>>timeit s.mask.dropna（）.index 每个回路2.29 ms±1.43µs（7次运行的平均值±标准偏差，每个100个回路） >>>timeit s.mask（s==True）.dropna（）.index 每个回路2.44 ms±5.82µs（7次运行的平均值±标准偏差，每个100个回路）

---

使用

列表理解

>>如果s[i]]
每个回路13.7 ms±40.5µs（7次运行的平均值±标准偏差，每个100个回路）

---

使用python内置的

>>timeit[*过滤器（s.get，s.index）]
每个回路14.2 ms±28.4µs（7次运行的平均值±标准偏差，每个100个回路）

---

使用>>timeit np.非零 ValueError：传递值的长度为1，索引表示1000。

---

使用>>timeit np.argwhere（s.ravel（） ValueError：传递值的长度为1，索引表示1000。

---

---

如果序列索引具有label而不是index range怎么办？@pyd，那么您可以使用答案中提到的选项

Boolean index

，

pd.series.index

<代码>过滤器和

列表理解

-基本上不是numpyones@Dahn我不明白你的回答。你能进一步解释一下吗？@MattS如果该系列的索引不是范围索引，那么

rafaelc

的答案中列出的基于numpy的任何方法都不会起作用，因为numpy在转换时会忘记索引。因此，我列出了在这种情况下仍然有效的方法。这对您有用吗？使用列表理解的上一个版本在if子句中只有一个小的输入错误：如果s[i]而不是s[i]，更好的测试用例是

s=pd.Series（[True，False，True，True，False，False，True]，index=list（'ABCDEFGH'））

。预期输出：

索引（['A'，'C'，'D'，'H']，…）

。由于某些解决方案（尤其是所有np函数）会删除索引并使用自动编号索引……如果我们有一个命名索引，通常不希望删除它。

>>> np.nonzero(s)
(array([0, 2, 3, 7]),)

>>> np.flatnonzero(s)
array([0, 2, 3, 7])

>>> np.where(s)[0]
array([0, 2, 3, 7])

>>> np.argwhere(s).ravel()
array([0, 2, 3, 7])

>>> s.index[s]
array([0, 2, 3, 7])

>>> [*filter(s.get, s.index)]
[0, 2, 3, 7]

>>> [i for i in s.index if s[i]]
[0, 2, 3, 7]