Python 获取数据帧中行与条件匹配的第一列值

假设我有一个熊猫数据框，看起来像这样：

   color  number
0    red       3
1   blue       4
2  green       2
3   blue       2

df[df['color'] == 'blue']['number'][0]

我想从数字列中获取第一个值，其中颜色列的值为

'blue'

，在本例中，该值将返回

4

我知道这可以通过使用

loc

这样的方式实现：

   color  number
0    red       3
1   blue       4
2  green       2
3   blue       2

df[df['color'] == 'blue']['number'][0]

---

我想知道，如果我只需要第一次出现，是否还有更好的方法。

使用

idxmax

df.loc[(df['color'] == 'blue').idxmax(),'number']
Out[698]: 4

---

使用

idxmax

df.loc[(df['color'] == 'blue').idxmax(),'number']
Out[698]: 4

---

使用

head

-如果颜色存在，则返回第一行，否则返回空的

序列

col = 'blue'
df.query('color == @col').head(1).loc[:, 'number']

1    4
Name: number, dtype: int64

或者，要获取单个项目，请使用
obj.is\u empty
：

u = df.query('color == @col').head(1)
if not u.is_empty:
    print(u.at[u.index[0], 'number'])

# 4


无效颜色的
head
和
idxmax
之间的差异：

df.query('color == "blabla"').head(1).loc[:, 'number']
# Series([], Name: number, dtype: int64)

df.loc[(df['color'] == 'blabla').idxmax(),'number']
# 3

使用
head
-如果颜色存在，则返回第一行，否则返回空的
序列

col = 'blue'
df.query('color == @col').head(1).loc[:, 'number']

1    4
Name: number, dtype: int64

或者，要获取单个项目，请使用
obj.is\u empty
：

u = df.query('color == @col').head(1)
if not u.is_empty:
    print(u.at[u.index[0], 'number'])

# 4


无效颜色的
head
和
idxmax
之间的差异：

df.query('color == "blabla"').head(1).loc[:, 'number']
# Series([], Name: number, dtype: int64)

df.loc[(df['color'] == 'blabla').idxmax(),'number']
# 3

用于：

注：这也适用于颜色不存在的情况。相比之下，
df['color'].eq（'orange'）.idxmax（）
给出了
0
，即使
'orange'
在系列中不存在。上述逻辑将给出
-1

numba
我想知道，如果我只知道
需要第一次出现

对!！有关更有效的解决方案，请参阅。Numba允许您高效地按行迭代。在这种情况下，您需要首先将数字数组仅馈送给Numba：

from numba import njit

# factorize series, pd.factorize maintains order,
# i.e. first item in values gives 0 index
idx, values = pd.factorize(df['color'])
idx_search = np.where(values == 'blue')[0][0]

@njit
def get_first_index_nb(A, k):
    for i in range(len(A)):
        if A[i] == k:
            return i
    return -1

res = df['number'].iat[get_first_index_nb(idx, 1)]  # 4

当然，对于一次性计算，这是低效的。但对于连续计算，该解决方案可能比检查整个系列/阵列是否相等的解决方案快一倍。
使用：

注：这也适用于颜色不存在的情况。相比之下，
df['color'].eq（'orange'）.idxmax（）
给出了
0
，即使
'orange'
在系列中不存在。上述逻辑将给出
-1

numba
我想知道，如果我只知道
需要第一次出现

对!！有关更有效的解决方案，请参阅。Numba允许您高效地按行迭代。在这种情况下，您需要首先将数字数组仅馈送给Numba：

from numba import njit

# factorize series, pd.factorize maintains order,
# i.e. first item in values gives 0 index
idx, values = pd.factorize(df['color'])
idx_search = np.where(values == 'blue')[0][0]

@njit
def get_first_index_nb(A, k):
    for i in range(len(A)):
        if A[i] == k:
            return i
    return -1

res = df['number'].iat[get_first_index_nb(idx, 1)]  # 4

当然，对于一次性计算，这是低效的。但是对于连续的计算，该解决方案可能比检查整个系列/阵列是否相等的解决方案快一倍。
在调用idxmax之前，您需要在此处使用if语句。@coldspeed像这样吗
df.loc[if（df['color']=='blue'）.idxmax（），'number']
@UBears No，例如，请参见下面我的答案。或者，
if（df['color']=='blue'）.any（）：…
@coldspeed所以我需要一个if语句来检查列是否为空？@UBears否，它是检查“blue”是否存在。否则，如果蓝色不存在，
idxmax
始终返回0，此时返回的结果应为空。这有意义吗？再一次，您可以看到我的答案示例和答案的比较在调用idxmax之前，您需要一个if语句。@coldspeed像这样吗
df.loc[if（df['color']=='blue'）.idxmax（），'number']
@UBears No，例如，请参见下面我的答案。或者，
if（df['color']=='blue'）.any（）：…
@coldspeed所以我需要一个if语句来检查列是否为空？@UBears否，它是检查“blue”是否存在。否则，如果蓝色不存在，
idxmax
始终返回0，此时返回的结果应为空。这有意义吗？再一次，你可以看到我的答案，例如和答案的比较