如何在不指定列名的情况下查找DataFrame中特定值的行列索引

不用指定列名的话，有两种简单方法可以一次性拿到目标值的行、列索引：

方法一：利用numpy的where函数 #

DataFrame底层基于numpy数组，直接用np.where可以定位所有匹配值的位置：

import numpy as np

# 定位所有值为'Date'的位置
rows, cols = np.where(df.values == 'Date')

# 输出结果
print(f"匹配到的行索引：{rows}")
print(f"匹配到的列索引：{cols}")

如果有多个'Date'值，rows和cols会分别返回所有对应的行、列索引数组；只有单个匹配时，返回的是单元素数组。

方法二：用stack()转换索引后筛选 #

把DataFrame堆叠成多级索引的Series，直接提取匹配值的索引对：

# 堆叠后筛选出值为'Date'的条目，获取其(行索引, 列索引)
match_indices = df.stack()[df.stack() == 'Date'].index

# 遍历输出每个匹配的行列索引
for idx in match_indices:
    print(f"行索引：{idx[0]}，列索引：{idx[1]}")

这种方法的优势是直接得到(行, 列)的索引元组，方便逐个处理匹配结果。

内容的提问来源于stack exchange，提问作者Pravin