Python 获取dataframe的所有单元格作为（索引，列）的元组，以传递给df.apply（）

我想得到熊猫数据框中每个单元格的索引和列名

例如，在以下代码生成的数据帧中

df = pd.DataFrame({1 : np.arange(1, 6), 
               2 : np.arange(6, 11),
               3 : np.arange(11, 16),
               4 : np.arange(16, 21),
               5 : np.arange(21, 26)}, 
              index=[1, 2, 3, 4, 5])

我想访问值的行索引和值的列名的索引/列名组合，例如[1,1]表示1、[2,1]表示2、[3,1]表示3等

最终目标是使用df.apply（）根据数据帧中的每个值的位置更新数据帧中的每个值。从另一个数据帧中提取值需要索引名和列名（nxn数据帧中的等效标识符和有序标识符）

---

谢谢

我建议使用自己的函数来实现这一点。您可以使用类似dict的表示法访问数据帧的每一列。除了通过访问所需的索引/行来获得所需的元素外，我还将使用

.ix

，如下所示

import pandas as pd

df = pd.DataFrame({1 : np.arange(1, 6), 
               2 : np.arange(6, 11),
               3 : np.arange(11, 16),
               4 : np.arange(16, 21),
               5 : np.arange(21, 26)}, 
              index=[1, 2, 3, 4, 5])

def get_from_coords(df, x, y):
    return df[x].ix[y]

例如：

In [2]: get_from_coords(df, 2, 1)
Out[2]: 6

这些文件提供了有关的详细信息

更新，因为我误解了评论中澄清的问题：

我正在遍历数据帧的所有行，使用的速度比使用的速度快，并查找所需的条目/值。如果在行中找到该值，则将包含索引和列名的元组存储到列表中，该列表在末尾返回。我在第一个函数中提供了一种逐步解决方案，并在列表理解中使用了一个生成器提供了一个单行程序

编辑，因为OP指出他需要列和索引名来更改相应的值：

假设我们希望找到所有值

6

，并将它们替换为

66

：

for item in look_using_generator(df, 6):
    df[item[0]].ix[item[1]] = 66

---

使用

df.columns[列位置]

获取列标签。相反：使用

df.columns.get_loc（“列标签”）

获取列位置

类似地，对于行，

df.index[row position]

获取行索引。相反：使用

df.index.get_loc（'index label'）

获取行位置

至于您的问题，直接按行和列位置循环数据帧，然后按.iloc访问

例如：

---

我正试图做相反的事！对于值6，我想得到（2,1）。我想避免嵌套for循环。对不起，我理解错了。没问题，我对问题做了一些澄清。重复条目怎么办？您想只获取第一个或最后一个匹配项，还是更确切地说，一个包含所有匹配项坐标的列表？我希望每个值都有一对索引和列名。还有重复的条目。我正在填充一个pearson相似系数矩阵，其中索引和列是用户ID。如果需要“从另一个数据帧中提取值”，完全不需要这样做，所以不要这样做（“最终目标是使用df.apply（）根据数据帧中的位置更新数据帧中的每个值”），然后使用

df.join（）

命令，这就是它的用途。学习dataframe的习惯用法，不要只是试图强行将代码转换成表面上类似的东西（无论如何，这不会是可伸缩的或性能）。dataframes的全部要点是，我们几乎从来没有传递过大量的coords列表，当然不是整个df，更不用说一大块了。

for item in look_using_generator(df, 6):
    df[item[0]].ix[item[1]] = 66

def lookup(df, value):
    l = []
    for i in range(df.shape[0]):
        for j in range(df.shape[1]):
            if df.iloc[i, j] == value:
                l.append((df.index[i], df.columns[j]))
    return l