如何在Pandas中获取符合过滤条件的单元格索引（含皮尔逊相关DataFrame场景）

我来帮你搞定这个需求！不管是处理你给出的示例数据，还是实际场景中的皮尔逊相关系数矩阵，用Pandas都能轻松拿到符合条件的单元格索引，下面分两种常用场景给你演示：

一、获取整数位置索引（比如示例中的(0,0)格式） #

如果你需要的是类似行列下标数字的索引，可以用numpy.where()来快速定位：

首先先构建你的示例DataFrame：

import pandas as pd
import numpy as np

# 构建示例相关系数矩阵
data = {
    'A': [1, 0.7, 0.9],
    'B': [0.7, 1, 0.3],
    'C': [0.9, 0.3, 1]
}
df = pd.DataFrame(data, index=['A', 'B', 'C'])

然后执行过滤和索引提取：

# 设定过滤条件：相关系数 >= 0.9
condition = df >= 0.9

# 获取满足条件的行、列整数索引
rows, cols = np.where(condition)

# 转换成你需要的元组列表格式
result_indices = list(zip(rows, cols))
print(result_indices)
# 输出结果：[(0, 0), (0, 2), (1, 1), (2, 0), (2, 2)]

二、获取带标签的索引（比如('A','A')格式） #

如果你的皮尔逊系数矩阵用了有意义的行列标签，想要保留这些标签而不是数字下标，可以用stack()方法：

# 堆叠DataFrame并筛选满足条件的项
filtered_items = df.stack()[df.stack() >= 0.9]

# 直接提取索引对
labeled_indices = list(filtered_items.index)
print(labeled_indices)
# 输出结果：[('A', 'A'), ('A', 'C'), ('B', 'B'), ('C', 'A'), ('C', 'C')]

适配皮尔逊相关系数场景 #

这个逻辑完全可以直接迁移到你的皮尔逊相关系数DataFrame上——只需要把上面代码里的df换成你的相关系数矩阵变量，修改过滤条件（比如>0.9）就能得到你想要的结果啦。

内容的提问来源于stack exchange，提问作者Matrucci