如何从Pandas DataFrame中获取指定字符串的行和列位置

嘿，这个需求完全可以用Pandas自带的功能优雅解决，而且比你可能用的手动查找/循环高效太多，毕竟咱们要充分利用向量化操作的优势嘛！

下面给你两种最实用的方案，都是纯Pandas/Numpy原生实现：

方案一：用np.where直接获取整数索引 #

这是最简洁的方式，一步就能拿到目标值的行和列的整数位置，刚好对应你导出Excel时需要的坐标：

import pandas as pd
import numpy as np

# 示例DataFrame
df = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie'],
    'City': ['London', 'Paris', 'New York'],
    'ID': ['A001', 'B002', 'TARGET_STR']
})

target = 'TARGET_STR'

# 获取所有匹配位置的数组（因为唯一，所以只有一组结果）
row_indices, col_indices = np.where(df == target)
# 提取唯一的行/列位置
row_pos = row_indices[0]
col_pos = col_indices[0]

print(f"整数行位置：{row_pos}，整数列位置：{col_pos}")

如果需要转换成Excel风格的单元格地址（比如C3），可以简单转换一下：

# 列索引转Excel列名（0→A，1→B...）
excel_col = chr(ord('A') + col_pos)
# Excel行号从1开始，所以加1
excel_cell = f"{excel_col}{row_pos + 1}"
print(f"对应Excel单元格：{excel_cell}")

方案二：用df.stack()获取行/列标签（适合自定义索引的情况） #

如果你的DataFrame用了自定义的行/列标签，这个方法能直接拿到标签，再转换成整数位置也很方便：

# 把DataFrame堆叠成Series，索引变成(行标签, 列标签)的元组
stacked_df = df.stack()
# 找到目标值的索引（因为唯一，取第一个）
target_index = stacked_df[stacked_df == target].index[0]
row_label, col_label = target_index

# 如果需要整数位置，用get_loc转换
row_pos = df.index.get_loc(row_label)
col_pos = df.columns.get_loc(col_label)

print(f"行标签：{row_label}，列标签：{col_label}")
print(f"整数行位置：{row_pos}，整数列位置：{col_pos}")

为什么这两种方法更优？ #

• 高效：都是向量化操作，比循环遍历快N倍，大DataFrame优势尤其明显
• 简洁：不需要自己写判断逻辑，一行代码就能定位
• 灵活：不管是要整数位置还是行/列标签，都能轻松拿到，适配后续导出Excel的各种需求

要是你导出Excel后还想给这个单元格做个标记（比如加粗、变色），可以结合openpyxl或者xlsxwriter直接操作，比如：

from openpyxl.styles import Font

with pd.ExcelWriter('result.xlsx', engine='openpyxl') as writer:
    df.to_excel(writer, sheet_name='Data', index=False)
    ws = writer.sheets['Data']
    # 用之前得到的Excel单元格地址设置格式
    ws[excel_cell].font = Font(bold=True, color='FF0000')

内容的提问来源于stack exchange，提问作者mttpgn