HOWTO · Pandas

Como obter os índices das linhas em que uma coluna específica atende a uma condição no Pandas

Podemos obter índices de todas as linhas cuja coluna específica satisfaz a condição dada em Pandas usando uma simples operação de indexação, função np.where(), e método de query().

Nesta página

Para obter as linhas em que uma coluna do Pandas atende a uma condição, use a indexação booleana e consulte .index no DataFrame filtrado. Isso retorna rótulos do índice, que identificam as linhas e podem ser diferentes de suas posições numéricas. np.where() pode retornar as posições na matriz da condição, enquanto DataFrame.query() filtra as linhas por meio de uma expressão e também preserva os rótulos do índice. Escolha o tipo de resultado necessário para a próxima etapa.

Use a indexação booleana para obter os índices das linhas correspondentes

Uma comparação como df["Sales"] >= 300 cria uma Series booleana alinhada às linhas do DataFrame. Use essa Series em df[...] para manter as linhas correspondentes e, em seguida, acesse .index. Chamar .tolist() converte o índice em uma lista Python comum, o que pode facilitar o uso como argumento de outra função ou a exibição do resultado.

Execute este exemplo:

O código e os rótulos ou saídas exibidos nesta seção permanecem em inglês.

import pandas as pd

df = pd.DataFrame(
    {"Sales": [200, 300, 400, 200, 300, 300]},
    index=[10, 11, 12, 13, 14, 15],
)
mask = df["Sales"] >= 300
matching_rows = df[mask]
print(mask.tolist())
print(matching_rows)
print(matching_rows.index.tolist())

A máscara marca cada linha cujo valor de Sales é pelo menos 300. matching_rows.index contém os rótulos das linhas mantidas; converter o índice com .tolist() produz uma lista desses rótulos. Neste exemplo, os rótulos são intencionalmente diferentes das posições das linhas, para deixar clara essa distinção.

Entenda a diferença entre rótulos do índice e posições das linhas

Um rótulo do índice é o identificador armazenado no índice de um DataFrame. A posição de uma linha é seu deslocamento, contado a partir de zero, na ordem atual das linhas. Em um RangeIndex padrão, os rótulos muitas vezes se parecem com as posições, mas isso é apenas uma coincidência conveniente. Um DataFrame filtrado mantém os rótulos originais em vez de renumerar as linhas. Use .index quando precisar desses identificadores; use um resultado posicional quando uma API esperar deslocamentos na matriz atual ou na ordem das linhas.

Use np.where() para obter as posições das linhas correspondentes

np.where() é uma função do NumPy, não um método do Pandas. Dada uma condição booleana unidimensional, ela retorna uma tupla que contém uma matriz com as posições em que a condição é verdadeira. Selecione o primeiro elemento da tupla com [0] para obter a matriz simples das posições das linhas. Essas posições correspondem à matriz booleana, não aos rótulos do índice do DataFrame; portanto, podem ser diferentes quando o DataFrame tem um índice personalizado.

O código e os rótulos ou saídas exibidos nesta seção permanecem em inglês.

import numpy as np
import pandas as pd

df = pd.DataFrame({"Sales": [200, 300, 400, 200, 300, 300]}, index=[10, 11, 12, 13, 14, 15])
mask = df["Sales"] >= 300
positions = np.where(mask.to_numpy())[0]
print(positions.tolist())

Use np.where(mask.to_numpy())[0] quando precisar especificamente das posições correspondentes. Envolver a chamada inteira em list(...) produz uma lista que contém a matriz da tupla; isso não equivale a uma lista simples de posições. Para obter os rótulos do índice, prefira .index no DataFrame filtrado.

Use DataFrame.query() para filtrar as linhas e obter seu índice

DataFrame.query() avalia uma expressão de texto usando os nomes das colunas e retorna as linhas correspondentes em um DataFrame. Consulte .index nesse resultado para obter os rótulos originais e use .tolist() se precisar de uma lista. Mantenha o nome da coluna e a comparação da expressão de acordo com o DataFrame; aqui, a condição seleciona os valores de Sales iguais a 300.

O código e os rótulos ou saídas exibidos nesta seção permanecem em inglês.

import pandas as pd

df = pd.DataFrame({"Sales": [200, 300, 400, 200, 300, 300]}, index=[10, 11, 12, 13, 14, 15])
labels = df.query("Sales == 300").index.tolist()
print(labels)

Para obter os rótulos de um filtro baseado em expressão, use df.query("Sales == 300").index. Para obter as posições a partir de uma condição booleana, use np.where(condition)[0]. A indexação booleana é a opção direta quando você precisa tanto das linhas correspondentes quanto de seus rótulos. As três formas respondem a perguntas relacionadas, mas somente a primeira e a terceira retornam os rótulos do índice do DataFrame.