如何在Pandas DataFrame中快速定位特定单元格的列索引？

针对你提出的需求——找到DataFrame中特定值对应的列索引（不关注所在行），这里提供几种无需手动遍历的高效解决方案：

方法1：布尔掩码 + 列级存在性检查 #

利用Pandas的向量化操作直接生成匹配掩码，再定位存在匹配值的列：

import pandas as pd

# 初始化示例DataFrame
df = pd.DataFrame.from_dict({0:['01_CF56_1'], 1:['05_CF41_3'], 2:['06_CF44_2']})

def get_col_index(target_val):
    # 生成每个元素与目标值的匹配矩阵
    match_matrix = df == target_val
    # 检查每一列是否存在至少一个匹配值
    has_match = match_matrix.any(axis=0)
    # 返回第一个匹配的列索引
    return has_match[has_match].index[0]

# 测试
print(get_col_index('05_CF41_3'))  # 输出：1

说明：这种方法完全基于Pandas内置的向量化运算，比手动循环效率高得多，尤其适合大数据集。如果存在多列包含目标值，可根据需求调整返回逻辑（比如返回所有匹配列的索引列表）。

方法2：扁平化数据后直接查找 #

通过stack()将DataFrame转为多级索引的Series，直接定位目标值对应的列索引：

def get_col_index(target_val):
    # 扁平化DataFrame，索引变为(行号, 列索引)
    stacked_df = df.stack()
    # 筛选出等于目标值的条目，取第一个的列索引部分
    return stacked_df[stacked_df == target_val].index[0][1]

# 测试
print(get_col_index('05_CF41_3'))  # 输出：1

说明：如果目标值在DataFrame中出现多次，这个方法会返回第一次出现的列索引；若要获取所有匹配列，可改用[idx[1] for idx in stacked_df[stacked_df == target_val].index]。

方法3：简洁版（适用于值唯一的场景） #

如果确定目标值在DataFrame中仅出现一次，用一行代码就能解决：

def get_col_index(target_val):
    return df.isin([target_val]).any().idxmax()

# 测试
print(get_col_index('05_CF41_3'))  # 输出：1

说明：isin()生成匹配掩码，any()判断每列是否有匹配，idxmax()会返回第一个为True的列索引（因为True被视为1，False为0）。

异常处理建议 #

如果目标值可能不存在于DataFrame中，建议添加异常处理避免报错：

def get_col_index(target_val):
    match_matrix = df == target_val
    has_match = match_matrix.any(axis=0)
    if has_match.any():
        return has_match[has_match].index[0]
    else:
        return None  # 或抛出自定义异常，比如 raise ValueError("目标值不存在")

内容的提问来源于stack exchange，提问作者Felix Burkhardt