基于行内指定值获取Pandas DataFrame的(index, column)对

我明白你的需求了——你需要找出DataFrame中所有值等于目标值（比如示例中的"a"）的位置，将对应的行索引和列名组成唯一的配对列表对吧？之前你尝试分开获取符合条件的列和索引，但没法正确组合，下面给你两种简单有效的方法：

方法1：使用stack()方法（简洁直观） #

首先我们先创建你的示例DataFrame方便演示：

import pandas as pd

data = {
    'A': ['a', 'c', 'b'],
    'B': ['a', 'b', 'a'],
    'C': ['c', 'a', 'c'],
    'D': ['c', 'a', 'a']
}
df = pd.DataFrame(data, index=[1,2,3])

然后执行以下代码提取目标配对：

target_value = "a"
# 筛选出值为target_value的元素，stack后保留非空项，最后提取索引配对
result = [(idx, col) for idx, col in df[df == target_value].stack().index]

原理说明： #

• df == target_value生成一个布尔矩阵，标记出所有等于目标值的位置
• df[df == target_value]会将不符合条件的位置转为NaN
• stack()会将列标签转换为行索引的一部分，同时自动剔除包含NaN的行
• 最终的stack()结果的索引就是(行索引, 列名)的配对，直接转成列表即可

方法2：使用numpy的where方法（高效灵活） #

如果你需要更底层的操作，可以用numpy来定位符合条件的位置：

import numpy as np

target_value = "a"
# 获取所有值等于target_value的位置的整数索引
rows, cols = np.where(df == target_value)
# 将整数索引映射为实际的行标签和列名，组成配对列表
result = [(df.index[row], df.columns[col]) for row, col in zip(rows, cols)]

原理说明： #

• np.where(df == target_value)返回两个数组，分别是符合条件的元素的行、列整数位置
• 通过df.index[row]和df.columns[col]将整数位置转换为你实际使用的行标签和列名
• 最后用zip把行和列的位置配对，生成目标列表

验证结果 #

两种方法执行后，都会得到你期望的结果：

[(1, 'A'), (1, 'B'), (2, 'C'), (2, 'D'), (3, 'B'), (3, 'D')]

之前你尝试的方法之所以无法得到正确结果，是因为req_cols只是包含至少一个目标值的列，req_inds是整个DataFrame的索引，这两个集合无法直接对应到具体的位置配对，而上面的两种方法都是直接定位到每个符合条件的元素的精确位置，自然能得到唯一的配对。

内容的提问来源于stack exchange，提问作者Amith Adiraju