topic = df_course.loc[df_course['pid'].isna()]如何得到topic的index

要获取选定行的索引，可以使用 `pandas.DataFrame.index` 属性。因此，要获取 `topic` 的索引，可以使用以下代码：

topic_index = topic.index

其中，`topic` 是通过以下代码选择的 DataFrame：

topic = df_course.loc[df_course['pid'].isna()]

这将选择 `df_course` 中所有 `pid` 列为空值的行，并将其赋值给 `topic` 变量。然后，使用 `index` 属性获取 `topic` 的索引。

相关问题

added = df_used.loc[df_used['pre_score'].isna(), :]什么意思

这段代码是在一个DataFrame对象中获取满足特定条件的行。具体来说，`df_used['pre_score'].isna()`用于检查`df_used`中列名为'pre_score'的列是否为空值，返回一个布尔类型的Series对象。然后，`loc`方法根据这个布尔类型的Series对象选择出满足条件的行，将其赋值给`added`变量。所以，`added`是一个包含了满足条件的行的新DataFrame对象。

train_df = X_train.loc[X_train.level_group == grp] train_users = train_df.index.values valid_df = X_test.loc[X_test.loc[X_test.level_group == grp]] valid_users = valid_df.index.values train_labels = labels.loc[labels.q==q_no].set_index('session').loc[train_users] valid_labels = labels.loc[labels.q == q_no].set_index('session').loc[valid_users]

这段代码的功能是根据某个组别（level_group）把训练数据（X_train）和测试数据（X_test）分别筛选出对应的数据，并用这些数据的索引（index）生成相应的训练用户（train_users）和测试用户（valid_users）列表。然后，根据题目编号（q_no）从标签数据（labels）中筛选出相应的标签，再根据训练用户和测试用户列表，从标签数据中分别选出相应的训练标签（train_labels）和测试标签（valid_labels）。