已获取DataFrame特定值所在行，如何获取对应列得到完整单元格坐标？

嘿，这个问题我之前折腾过好几次！其实要拿到特定值的完整行列坐标有好几种简单好用的方法，我给你分享几个常用的：

这应该是最高效的方式，结合DataFrame的values属性，能一次性揪出所有匹配值的位置：

import pandas as pd
import numpy as np

# 先搞个示例DataFrame
df = pd.DataFrame({
    'A': [True, False, True],
    'B': [False, True, False],
    'C': [True, False, False]
})

# 查找所有值为True的位置，返回整数索引的行和列数组
rows, cols = np.where(df.values == True)

# 如果你的DataFrame用了自定义行/列标签，转成实际标签
coords = list(zip(df.index[rows], df.columns[cols]))

print(coords)
# 输出：[(0, 'A'), (0, 'C'), (1, 'B'), (2, 'A')]

注意：np.where()返回的是底层数组的整数索引，要是你的行/列不是默认的0、1、2...，记得用df.index和df.columns转成实际的标签名。

这个方法更贴合Pandas的使用习惯，把二维的DataFrame转成带多级索引的Series，直接筛选符合条件的项：

# 还是用上面的示例df
stacked_df = df.stack()
# 筛选出值为True的项，直接取索引就是行列坐标
coords = stacked_df[stacked_df == True].index.tolist()

print(coords)
# 输出和上面完全一致：[(0, 'A'), (0, 'C'), (1, 'B'), (2, 'A')]

这个方法的好处是不用额外转换索引，直接拿到带标签的坐标，适合需要直接用行列名的场景。

如果你的DataFrame数据量不大，也可以直接逐行逐列遍历查找，虽然效率不如前两种，但逻辑一目了然：

coords = []
# 遍历每一行的索引和内容
for row_idx, row_data in df.iterrows():
    # 遍历每一列的列名
    for col_name in df.columns:
        if row_data[col_name] == True:
            coords.append((row_idx, col_name))

print(coords)
# 输出同样的结果

小提醒 #

• 如果是查找字符串类型的'true'（不是布尔值True），记得把判断条件改成== 'true'；
• 要是只需要第一个匹配的位置，找到后直接用break跳出循环就行，不用遍历全部数据。

内容的提问来源于stack exchange，提问作者jerik