Python 条件为真的索引。效率和简洁

假设我有一个数据帧：

this_is_my_dataframe_with_a_long_name

我想找到一个条件为真的指数。例如，假设条件是列等于值

我知道我在技术上可以做到：

dataframe_with_a_long_name[dataframe_with_a_long_name['column'] =='A].index

这让我想知道：

以上是检索这些索引的最有效方法吗？请注意，上面的代码创建了真/假值的临时副本，使用此输出为数据帧编制索引，然后检索结果视图的索引

是否有更简洁的方式运行此查询？例如，idxmin允许一个方法调用直接查询索引的最小值。在条件为真的情况下，检索索引是否有任何等价物？e、 g:

---

在普通熊猫身上，这可能是最好的写法。随着数据帧变得越来越大，使用更新的方法可能会有一些加速，通常会更简洁，特别是如果数据帧名称更长

In [154]: df = pd.DataFrame(np.random.rand(10000000), columns=['a'])

In [155]: %timeit df[df['a'] < .25].index
10 loops, best of 3: 154 ms per loop

In [156]: %timeit df.query('a < .25').index
1 loops, best of 3: 129 ms per loop

编辑：

正如@Jeff所指出的，如果您只需要索引，那么最快的路径实际上是：

In [160]: %timeit df.index[df['a'] < .25]
10 loops, best of 3: 81.6 ms per loop

---

在普通熊猫身上，这可能是最好的写法。随着数据帧变得越来越大，使用更新的方法可能会有一些加速，通常会更简洁，特别是如果数据帧名称更长

In [154]: df = pd.DataFrame(np.random.rand(10000000), columns=['a'])

In [155]: %timeit df[df['a'] < .25].index
10 loops, best of 3: 154 ms per loop

In [156]: %timeit df.query('a < .25').index
1 loops, best of 3: 129 ms per loop

编辑：

正如@Jeff所指出的，如果您只需要索引，那么最快的路径实际上是：

In [160]: %timeit df.index[df['a'] < .25]
10 loops, best of 3: 81.6 ms per loop

---

codereview.stackexchange.com。。。。另外，df=dataframe_，名称为a_long_，现在改用df…感谢@JoranBeasley使用df需要为一条语句创建一个额外的变量别名。跟踪如此短的别名以避免冲突并非易事。另外，请看我关于效率的说明，这是我在这个问题上最关心的。。。这没什么错。。。在效率方面。。。这太慢了吗？你有没有分析过以确定这是瓶颈？通常这些操作速度非常快，因为它们被矢量化到c区域。。。虽然如果你的阵列太小，它实际上会变慢。谢谢@JoranBeasley，那么这是相对有效的吗？没有创建或移动副本等？谢谢@JoranBeasley我正在使用约7000万行的数据帧。我希望我的问题仍然有意义。无论哪种方式，我都对如何编写高效的熊猫代码感兴趣，而不管我当前的dataframe.codereview.stackexchange.com的具体情况。。。。另外，df=dataframe_，名称为a_long_，现在改用df…感谢@JoranBeasley使用df需要为一条语句创建一个额外的变量别名。跟踪如此短的别名以避免冲突并非易事。另外，请看我关于效率的说明，这是我在这个问题上最关心的。。。这没什么错。。。在效率方面。。。这太慢了吗？你有没有分析过以确定这是瓶颈？通常这些操作速度非常快，因为它们被矢量化到c区域。。。虽然如果你的阵列太小，它实际上会变慢。谢谢@JoranBeasley，那么这是相对有效的吗？没有创建或移动副本等？谢谢@JoranBeasley我正在使用约7000万行的数据帧。我希望我的问题仍然有意义。无论哪种方式，我都对如何编写高效的熊猫代码感兴趣，而不管我当前数据帧的具体情况。如果您只需要索引，那么df.index[df['a']如果您只需要索引，那么df.index[df['a']