寻找一种有效的方法来搜索大型数据帧并返回包含字符串的单元格的行号。我有以下代码可以工作,但只是想知道这是否是最有效的方法,因为它涉及两个"for"循环
在此示例中,我尝试查找包含"汽车类型"的单元格
for row in range(df.shape[0]): # Loop through rows
for col in range(df.shape[1]): # Loop through columns
if df.iat[row, col] == 'Car Type':
row_start: int = row
break
可能是 for 循环在 DataFrame 上实际上非常快,但从我所读到的内容来看,最好尽可能多地使用 Pandas 的内置功能以提高效率,我不确定我是否让它比需要的更复杂。
编辑:解决方案最好仅在可能的情况下使用熊猫库
如果你有列列表,那么你可以做
df.query('col_name' == 'Car Type'(
如果这是您需要的,您可以使用它来实现它。如果您需要更多说明,请随时添加评论。
编辑:
熊猫解决方案 - 首先通过DataFrame.stack
重塑,然后删除第二级MultiIndex
和最后一个过滤器index
值:
df = pd.DataFrame({
'A':list('abcdef'),
'B':[4,5,4,5,5,4],
'C':[7,8,9,4,2,3],
'D':[1,3,5,7,'Car Type',0],
'E':[5,3,6,9,2,4],
'F':list('aaabbb')
})
print (df)
A B C D E F
0 a 4 7 1 5 a
1 b 5 8 3 3 a
2 c 4 9 5 6 a
3 d 5 4 7 9 b
4 e 5 2 Car Type 2 b
5 f 4 3 0 4 b
r = df.stack().reset_index(level=1, drop=True) == 'Car Type'
out = next(iter(r.index[r]), 'no match')
print (out)
4
如果性能很重要,Numpy解决方案更好:
您可以通过将 2d numpy 数组与 numpy.where
进行比较来获取第一个匹配索引值的位置,然后将 next
与 iter
一起使用,如果不匹配的值可能返回默认值:
r, c = np.where(df.values == 'Car Type')
out = next(iter(r), 'no match')
如果不是默认索引值:
out = next(iter(df.index[r]), 'no match')