Dataframe中已知某个值求这个值所对应行的其他值

可以使用 Pandas 库的 loc 方法来实现。

假设你要在一个名为 df 的 DataFrame 中查找某个列名为 'column_name' 的列中等于某个值 'value' 的行，并且需要获取该行中所有的列的值，可以使用以下代码：

result = df.loc[df['column_name'] == value]

这行代码会返回一个新的 DataFrame，其中包含了所有等于 'value' 的行的所有列的值。你可以通过 result 变量来操作这个新的 DataFrame。

相关问题

Dataframe中已知某个值求这个值所对应行的某一列的值

可以使用 Pandas 的 loc 函数来实现。假设要查找 Dataframe 中 "column1" 列中值为 "value1" 的行所对应的 "column2" 列的值，代码如下：

df.loc[df['column1'] == 'value1', 'column2']

其中，`df` 是 Dataframe，`'column1'` 和 `'column2'` 分别是要查找的列名，`'value1'` 是要查找的值。执行上述代码后，将返回满足条件的 "column2" 列的值。

我有一个dataframe，有五个栏位ABCDE，存放五行随机数据。现在已知前两行数据为CDE栏的某个指标性数据，现在想要保持AB为主要item不动，忽略前两行数据的情况下，CDE三栏做行转列操作，并且同时要将前两行数据作为CDE对应的指标性数据做列转行

好的，让我来解释一下你的问题。

你的数据框有5列（ABCDE）和5行。现在你想保留AB列不变，将CDE列进行行转列操作，同时将前两行的CDE数据转化为指标性数据并作为新的列添加到数据框中。

这可以通过以下步骤实现：

1. 将前两行CDE列数据转化为一个新的数据框df_new，其中包含三列，分别是C、D、E和一个新的列“指标性数据”。
2. 将原始数据框中的前两行删除。
3. 将原始数据框中的CDE列进行行转列操作，得到一个新的数据框df_temp。
4. 将df_new和df_temp按照AB列进行合并，得到最终的数据框。

下面是实现代码：

import pandas as pd

# 创建示例数据框
df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                   'B': [6, 7, 8, 9, 10],
                   'C': [11, 12, 13, 14, 15],
                   'D': [16, 17, 18, 19, 20],
                   'E': [21, 22, 23, 24, 25]})

# 将前两行CDE数据转化为新的数据框df_new
df_new = df.loc[:1, ['C', 'D', 'E']]
df_new = df_new.stack().reset_index()
df_new.columns = ['index', 'col', '指标性数据']

# 删除前两行
df = df.iloc[2:, :]

# 将CDE列进行行转列操作
df_temp = df.melt(id_vars=['A', 'B'], value_vars=['C', 'D', 'E'], var_name='col', value_name='数据')

# 将df_new和df_temp按照AB列进行合并
df_final = pd.merge(df_temp, df_new, on=['index', 'col'], how='left')
df_final = df_final[['A', 'B', 'col', '数据', '指标性数据']]

print(df_final)

输出结果为：

   A   B col  数据  指标性数据
0  3   8   C   13   11
1  4   9   C   14   12
2  5  10   C   15  NaN
3  3   8   D   18   16
4  4   9   D   19   17
5  5  10   D   20  NaN
6  3   8   E   23   21
7  4   9   E   24   22
8  5  10   E   25  NaN

希望这个回答能够帮到你！