Pandas 中如何獲取特定列滿足給定條件的所有行的索引

若要找出 Pandas 欄位符合條件的資料列，請使用布林索引篩選資料，再讀取篩選後 DataFrame 的 .index。這會傳回索引標籤，用來識別資料列，但不一定是資料列的數值位置。np.where() 可改為傳回條件陣列中的位置；DataFrame.query() 則會依運算式篩選資料列，同時保留索引標籤。請依照下一步所需的結果選擇方法。

使用布林索引取得符合條件的資料列索引

像 df["Sales"] >= 300 這樣的比較會建立一個布林 Series，其值會與 DataFrame 的資料列對齊。將這個 Series 放入 df[...]，即可保留符合條件的資料列，接著讀取 .index。若要傳給其他函式或顯示時，使用一般 Python 清單較方便，可以呼叫 .tolist() 將索引轉成清單。

執行以下範例。範例程式碼及顯示的欄名與輸出維持英文：

本節中的程式碼以及顯示的標籤或輸出仍為英文。

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())

遮罩會標示每個 Sales 值大於或等於 300 的資料列。matching_rows.index 包含保留下來的資料列索引標籤；呼叫 .tolist() 會將它們轉成標籤清單。此例刻意讓索引標籤與資料列位置不同，方便看出兩者的差異。

了解索引標籤與資料列位置

索引標籤是儲存在 DataFrame 索引中的識別值；資料列位置則是資料列目前順序中的零起始位移。使用預設的 RangeIndex 時，標籤看起來常像是位置，但那只是恰好相同。篩選後的 DataFrame 會保留原有標籤，不會重新為資料列編號。需要這些識別值時，請使用 .index；若某個 API 需要目前陣列或資料列順序中的位移，則應使用位置結果。

使用 np.where() 取得符合條件的資料列位置

np.where() 是 NumPy 函式，不是 Pandas 方法。傳入一維布林條件後，它會傳回一個 tuple，其中包含符合條件之位置的陣列。選取 tuple 的第一個元素 [0]，即可取得一維的位置陣列。這些是布林陣列中的位置，不是 DataFrame 的索引標籤，因此使用自訂索引時，兩者可能不同。

執行以下範例。範例程式碼及顯示的欄名維持英文：

本節中的程式碼以及顯示的標籤或輸出仍為英文。

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())

若明確需要符合條件的位置，請使用 np.where(mask.to_numpy())[0]。將整個呼叫包在 list(...) 中，會得到一個包含 tuple 陣列的清單；這與直接取得位置的一維清單不同。若需要索引標籤，請改用篩選後 DataFrame 的 .index。

使用 DataFrame.query() 篩選資料列並取得索引

DataFrame.query() 會依欄位名稱解析字串運算式，並以 DataFrame 形式傳回符合條件的資料列。讀取結果的 .index 可取得原有索引標籤；若需要清單，則可使用 .tolist()。運算式中的欄位名稱與比較條件應和 DataFrame 一致；此處的條件會選出 Sales 值等於 300 的資料列。

執行以下範例。範例程式碼及顯示的欄名與輸出維持英文：

本節中的程式碼以及顯示的標籤或輸出仍為英文。

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)

若要從運算式篩選結果取得索引標籤，請使用 df.query("Sales == 300").index。若要取得布林條件符合的位置，請使用 np.where(condition)[0]。需要同時取得符合條件的資料列及其標籤時，布林索引是直接的選擇。這三種寫法回答的問題彼此相關，但只有第一種與第三種會傳回 DataFrame 的索引標籤。