如何在列表中查找pandas Series的值并返回匹配索引？能否无循环实现？

嘿，这个需求太常见了，而且完全不需要用循环就能高效解决！pandas内置了一堆向量化的方法，比手动写循环快得多，尤其是数据量上来的时候，差距会特别明显。下面给你几种常用的实现方式：

这是最常用的方式，直接通过布尔条件筛选出匹配的元素，再取它们的索引。举个例子：

import pandas as pd

# 创建一个示例Series
s = pd.Series([15, 25, 25, 35, 45], index=['foo', 'bar', 'baz', 'qux', 'quux'])

# 查找值为25的所有索引
matching_indexes = s[s == 25].index
print(matching_indexes)
# 输出：Index(['bar', 'baz'], dtype='object')

# 如果需要转成列表的话
matching_index_list = matching_indexes.tolist()

如果你习惯用numpy的操作，也可以用np.where()来定位匹配位置，再取索引：

import numpy as np

matching_indexes = s.index[np.where(s == 25)]

效果和上面完全一样，只是写法不同，适合复杂条件下的组合判断。

如果你的需求不是精确匹配（比如字符串包含某段内容），可以用pandas的字符串方法配合布尔索引：

s_str = pd.Series(['cat', 'dog', 'catfish', 'tiger'], index=['a', 'b', 'c', 'd'])

# 查找包含"cat"的元素索引
matching_indexes = s_str[s_str.str.contains('cat')].index

如果要查找Series中的NaN值，不能直接用== np.nan（因为NaN不等于任何值，包括它自己），要用专门的isna()方法：

s_with_nan = pd.Series([10, np.nan, 20, np.nan], index=['x', 'y', 'z', 'w'])

nan_indexes = s_with_nan[s_with_nan.isna()].index

为什么不用循环？ #

pandas的这些方法都是向量化操作，底层是用C语言实现的，比Python层面的循环高效太多了——当你的Series有几万甚至几十万条数据时，循环会慢到让人抓狂，而向量化操作几乎是瞬间完成的。

内容的提问来源于stack exchange，提问作者Michael Eisenberger