Python 行与条件匹配的列的索引

我有Excel文件中的数据，格式为

0,1,0
1,0,0
0,0,1

我想将这些数据转换成一个列表，其中第I个元素表示第I行中非零元素的位置。例如，上述内容将是：

 [1,0,2]

我试了两种方法都没有用：

路一号

这给了我一个奇怪的错误-idx的长度永远不会与df中的行数相同。对于此数据集，两个数字始终相等。我仔细检查了一遍，没有空行

两只熊猫

这给了我如下输出：

 52     NaN      NaN      NaN 
 53        1      NaN      NaN 
 54        1      NaN      NaN 

---

这是合适的形状，但我不知道如何获取列索引。

设置数据帧

import pandas as pd
import numpy as np
df = pd.DataFrame(np.array([[0,1,0],[1,0,0],[0,0,1]]))

使用np.argwhere查找元素索引：

np.argwhere(df.values ==1)

返回：

array([[0, 1],
       [1, 0],
       [2, 2]], dtype=int64)

因此，对于第0行，第1列包含df的1：

    0   1   2
 0  0   1   0
 1  1   0   0
 2  0   0   1

注:

---

您可以使用：np.array_splitindex，2,1[1]来获取列索引，例如设置数据帧

import pandas as pd
import numpy as np
df = pd.DataFrame(np.array([[0,1,0],[1,0,0],[0,0,1]]))

使用np.argwhere查找元素索引：

np.argwhere(df.values ==1)

返回：

array([[0, 1],
       [1, 0],
       [2, 2]], dtype=int64)

因此，对于第0行，第1列包含df的1：

    0   1   2
 0  0   1   0
 1  1   0   0
 2  0   0   1

注:

---

您可以使用：np.array_splitindex，2,1[1]获取列索引，例如

这里有一个解决方案，适用于有限的用例，包括这一个。如果知道行中只有一个1，则可以转置原始数据帧，使原始数据帧中列的索引成为转置数据帧的行索引。这样，您就可以在每一行中找到最大值并返回这些值的数组

原始数据帧不是此解决方案的最佳示例，因为它是对称的，其转置与原始数据帧相同。因此，为了实现此解决方案，我们将使用如下所示的起始数据帧：

df = pd.DataFrame({0:[0,0,1], 1:[1,0,0], 2:[0,1,0]})

# original data frame --> df
   0  1  2
0  0  1  0
1  0  0  1
2  1  0  0

# transposed data frame --> df.T
   0  1  2
0  0  0  1
1  1  0  0
2  0  1  0

现在要查找每行的最大值：

np.array(df.T.idxmax())

它返回一个值数组，这些值表示包含1的原始数据帧的列索引：

[1 2 0]

---

这是一个适用于有限用例的解决方案，包括这一个。如果知道行中只有一个1，则可以转置原始数据帧，使原始数据帧中列的索引成为转置数据帧的行索引。这样，您就可以在每一行中找到最大值并返回这些值的数组

原始数据帧不是此解决方案的最佳示例，因为它是对称的，其转置与原始数据帧相同。因此，为了实现此解决方案，我们将使用如下所示的起始数据帧：

df = pd.DataFrame({0:[0,0,1], 1:[1,0,0], 2:[0,1,0]})

# original data frame --> df
   0  1  2
0  0  1  0
1  0  0  1
2  1  0  0

# transposed data frame --> df.T
   0  1  2
0  0  0  1
1  1  0  0
2  0  1  0

现在要查找每行的最大值：

np.array(df.T.idxmax())

它返回一个值数组，这些值表示包含1的原始数据帧的列索引：

[1 2 0]