查找數組的索引在python（matlab尋找數組中某些數的索引）

本文目錄一覽：

• 1、index在python中的用法
• 2、python中如何求出array數組中大於a且小於b的元素的索引
• 3、Python的pandas 數組如何得到索引值，如圖，我要得到ohio 的索引值，應該怎樣做？
• 4、Python 數據處理（二十四）—— 索引和選擇

index在python中的用法

如下：

1、index函數：用於從列表中找出某個值第一個匹配項的索引位置。

2、index方法語法：list.index(x[, start[, end]])。

3、參數：x– 查找的對象。start– 可選，查找的起始位置。end– 可選，查找的結束位置。

4、返回值：該方法返回查找對象的索引位置，如果沒有找到對象則拋出異常。

5、實例：

代碼：str1 = “this is string example….wow!!!”；str2 = “exam”。

index函數為print(str1.index(str2))。

python中index函數怎麼用？

Python中index方法檢測字符串中是否包含子字符串 str ，如果指定 beg（開始） 和 end（結束） 範圍，則檢查是否包含在指定範圍內，該方法與 python find方法一樣，只不過如果str不在string中會報一個異常。

index函數一般用處是在序列中檢索參數並返回第一次出現的索引，沒找到就會報錯。

python中如何求出array數組中大於a且小於b的元素的索引

代碼如下

c = [1, 3, 9, 4, 6, 7]

a = 2

b = 6

for num in c:

    if a  num  num  b:

        print(“符合條件的數值為：”, num, “，id為：”, c.index(num))

# 輸出如下

# 符合條件的數值為： 3 ，id為： 1

# 符合條件的數值為： 4 ，id為： 3

# 使用c.index(num)函數來獲取元素的索引

Python的pandas 數組如何得到索引值，如圖，我要得到ohio 的索引值，應該怎樣做？

直接上實例：

df = pd.DataFrame(np.random.randn(5,3),index = list(‘abcde’),columns = [‘one’,’two’,’three’]) #創建一個數據框

df 內容

獲取所有的列名，並形成列表：list(df.keys())

獲取所有的行名，並形成列表：list(df.index)

如果要獲得某一個元素的具體位置可以使用：np.where(“條件”)，如：np.where(df 0)

第一個arrary代表第幾行，第二個代表第幾列。

如，如何條件的元素存在在：第一行第三列，第三行第一列，….

Python 數據處理（二十四）—— 索引和選擇

如果你想獲取 ‘A’ 列的第 0 和第 2 個元素，你可以這樣做:

這也可以用 .iloc 獲取，通過使用位置索引來選擇內容

可以使用 .get_indexer 獲取多個索引:

警告 ：

對於包含一個或多個缺失標籤的列表，使用 .loc 或 [] 將不再重新索引，而是使用 .reindex

在以前的版本中，只要索引列表中存在至少一個有效標籤，就可以使用 .loc[list-of-labels]

但是現在，只要索引列表中存在缺失的標籤將引發 KeyError 。推薦的替代方法是使用 .reindex() 。

例如

索引列表的標籤都存在

先前的版本

但是，現在

索引標籤列表中包含不存在的標籤，使用 reindex

另外，如果你只想選擇有效的鍵，可以使用下面的方法，同時保留了數據的 dtype

對於 .reindex() ，如果有重複的索引將會引發異常

通常，您可以將所需的標籤與當前軸做交集，然後重新索引

但是，如果你的索引結果包含重複標籤，還是會引發異常

使用 sample() 方法可以從 Series 或 DataFrame 中隨機選擇行或列。

該方法默認會對行進行採樣，並接受一個特定的行數、列數，或數據子集。

默認情況下， sample 每行最多返回一次，但也可以使用 replace 參數進行替換採樣

默認情況下，每一行被選中的概率相等，但是如果你想讓每一行有不同的概率，你可以為 sample 函數的 weights 參數設置抽樣權值

這些權重可以是一個列表、一個 NumPy 數組或一個 Series ，但它們的長度必須與你要抽樣的對象相同。

缺失的值將被視為權重為零，並且不允許使用 inf 值。如果權重之和不等於 1 ，則將所有權重除以權重之和，將其重新歸一化。例如

當應用於 DataFrame 時，您可以通過簡單地將列名作為字符串傳遞給 weights 作為採樣權重（前提是您要採樣的是行而不是列）。

sample 還允許用戶使用 axis 參數對列進行抽樣。

最後，我們還可以使用 random_state 參數為 sample 的隨機數生成器設置一個種子，它將接受一個整數（作為種子）或一個 NumPy RandomState 對象

當為該軸設置一個不存在的鍵時， .loc/[] 操作可以執行放大

在 Series 的情況下，這實際上是一個追加操作

可以通過 .loc 在任一軸上放大 DataFrame

這就像 DataFrame 的 append 操作

由於用 [] 做索引必須處理很多情況（單標籤訪問、分片、布爾索引等），所以需要一些開銷來搞清楚你的意圖

如果你只想訪問一個標量值，最快的方法是使用 at 和 iat 方法，這兩個方法在所有的數據結構上都實現了

與 loc 類似， at 提供了基於標籤的標量查找，而 iat 提供了基於整數的查找，與 iloc 類似

同時，你也可以根據這些索引進行設置值

如果索引標籤不存在，會放大數據

另一種常見的操作是使用布爾向量來過濾數據。運算符包括：

|(or) 、 (and) 、 ~ (not)

這些必須用括號來分組，因為默認情況下， Python 會將 df[‘A’] 2 df[‘B’] 3 這樣的表達式評估為 df[‘A’] (2 df[‘B’]) 3 ，而理想的執行順序是 (df[‘A’] 2) (df[‘B’] 3)

使用一個布爾向量來索引一個 Series ，其工作原理和 NumPy ndarray 一樣。

您可以使用一個與 DataFrame 的索引長度相同的布爾向量從 DataFrame 中選擇行

列表推導式和 Series 的 map 函數可用於產生更複雜的標準

我們可以使用布爾向量結合其他索引表達式，在多個軸上索引

iloc 支持兩種布爾索引。如果索引器是一個布爾值 Series ，就會引發異常。

例如，在下面的例子中， df.iloc[s.values, 1] 是正確的。但是 df.iloc[s，1] 會引發 ValueError 。