获取坐标对数据框中目标坐标对所在的行号

假设我们有一个名为edges的DataFrame，每一行对应一条从(x0,y0)到(x1,y1)的边，数据如下：

要找到包含指定坐标对的行号，这里有几种实用的方法，根据你的场景选择：

方法1：精确匹配（适合整数/无精度问题的浮点数） #

如果你的坐标值是完全精确的（比如示例里的数值没有存储误差），直接用布尔索引筛选就行。比如我们要找起点(2.464286, 2.464286)、终点(3.500000, 3.500000)的边：

import pandas as pd

# 先构造示例数据框（行号从1开始，和你的示例一致）
edges = pd.DataFrame({
    'x0': [2.464286, 0.700000, 2.464286, 3.500000, 2.250000],
    'y0': [2.464286, 3.787500, 2.464286, 3.500000, 4.750000],
    'x1': [2.583333, 2.464286, 3.500000, 4.300000, 3.500000],
    'y1': [1.750000, 2.464286, 3.500000, 3.900000, 3.500000]
}, index=range(1,6))

# 定义要匹配的目标坐标
target_x0, target_y0 = 2.464286, 2.464286
target_x1, target_y1 = 3.500000, 3.500000

# 筛选符合条件的行
matches = edges[(edges['x0'] == target_x0) & 
                (edges['y0'] == target_y0) & 
                (edges['x1'] == target_x1) & 
                (edges['y1'] == target_y1)]

# 提取行号
row_ids = matches.index.tolist()
print(row_ids)  # 输出: [3]

方法2：近似匹配（解决浮点数精度坑） #

浮点数在存储时经常会有微小误差（比如2.464286实际可能存成2.464285999999999），这时候直接用==会匹配失败。推荐用numpy.isclose来做近似匹配：

import numpy as np

# 用近似匹配替代精确相等
matches = edges[np.isclose(edges['x0'], target_x0) & 
                np.isclose(edges['y0'], target_y0) & 
                np.isclose(edges['x1'], target_x1) & 
                np.isclose(edges['y1'], target_y1)]

row_ids = matches.index.tolist()
print(row_ids)  # 依然输出: [3]

你还可以通过rtol和atol参数调整匹配的精度阈值，比如np.isclose(a, b, rtol=1e-5, atol=1e-8)，按需设置就行。

方法3：用query简化代码 #

如果觉得布尔索引写起来太长，可以用pandas的query方法，代码更简洁：

# 精确匹配的query写法
matches = edges.query(f"x0 == {target_x0} and y0 == {target_y0} and x1 == {target_x1} and y1 == {target_y1}")

# 近似匹配的query写法（需要引入numpy）
matches = edges.query(f"np.isclose(x0, {target_x0}) and np.isclose(y0, {target_y0}) and np.isclose(x1, {target_x1}) and np.isclose(y1, {target_y1})")

row_ids = matches.index.tolist()

额外补充：匹配无向边（可选） #

如果你的场景中边是无向的（比如A→B和B→A算同一条边），可以同时匹配两种方向：

matches = edges[
    # 匹配A→B
    ((np.isclose(edges['x0'], target_x0) & np.isclose(edges['y0'], target_y0)) & 
     (np.isclose(edges['x1'], target_x1) & np.isclose(edges['y1'], target_y1))) |
    # 匹配B→A
    ((np.isclose(edges['x0'], target_x1) & np.isclose(edges['y0'], target_y1)) & 
     (np.isclose(edges['x1'], target_x0) & np.isclose(edges['y1'], target_y0)))
]

内容的提问来源于stack exchange，提问作者QLG