dataframe中元素为‘9999999999999’的值，返回对应行索引

您好！感谢您使用ChitGPT进行对话。

对于您的问题，我可以给您提供一种解决方案，您可以使用pandas库中的loc方法。具体代码如下：

df.loc[df['your_column_name'] == '9999999999999'].index[0]

其中，'your_column_name'是你想查找的对应列名。如果这一列中包含值为'9999999999999'的元素，那么代码将会返回该元素所在行的索引值。

希望我的回答能够帮到您，如果您有关于技术方面的其他问题，欢迎继续向我提问。

相关问题

python 使用pandas筛选出指定列值 返回所对应的行索引

可以使用 Pandas 的 loc 函数来实现这个需求。loc 函数可以根据行标签和列标签来访问 DataFrame 中的元素。

假设 DataFrame 的列名为 col1 和 col2，我们想要筛选出 col1 值为 value 的行，并返回所对应的行索引，可以使用如下代码：

import pandas as pd

# 创建 DataFrame
df = pd.DataFrame({'col1': [1, 2, 3], 'col2': [4, 5, 6]})

# 筛选出 col1 值为 2 的行
result = df.loc[df['col1'] == 2].index.tolist()

# 输出结果
print(result)

输出结果为：

[1]

其中，df['col1'] == 2 是一个布尔型的 Series，它的每个元素表示 DataFrame 中对应位置的元素是否等于 2。然后我们使用 loc 函数访问这个布尔型 Series，得到一个新的 DataFrame，包含所有满足条件的行。最后使用 index.tolist() 方法获取这些行的索引，并转化为一个列表。

有一列整数列A= [1, 2, 2, 3, 4, 5, 5, 5, 6, 7, 7]的DatraFrame，删除数值重复的行 2) 一个全数值DatraFrame，每个数字减去该行的平均数 3) 一个有5列的DataFrame，求哪一列的和最小 4) 给定DataFrame，求A列每个值的前3的B的值的和 5) 给定DataFrame，有列A, B，A的值在1-100（含），对A列每10步长，求对应的B的和 6) 给定DataFrame，计算每个元素至左边最近的0（或者至开头）的距离，生成新列y 7) 一个全数值的DataFrame，返回最大3个值的坐标 8) 给定DataFrame，将负值代替为同组的平均值 9) 计算3位滑动窗口的平均值，忽略NAN 10) 创建Series s，将2015所有工作日作为随机值的索引 11) 所有礼拜三的值求和 12) 求每个自然月的平均数 13) 每连续4个月为一组，求最大值所在的日期 14) 创建2015-2016每月第三个星期四的序列

1) df = pd.DataFrame({'A': [1, 2, 2, 3, 4, 5, 5, 5, 6, 7, 7]})
df.drop_duplicates(inplace=True)

2) df = df.sub(df.mean(axis=1), axis=0)

3) df.sum().idxmin()

4) df.groupby('A')['B'].apply(lambda x: x.nlargest(3).sum())

5) df.groupby(pd.cut(df['A'], np.arange(0, 101, 10)))['B'].sum()

6) df['y'] = df.groupby((df['A'] != df['A'].shift()).cumsum()).cumcount()

7) df.unstack().nlargest(3).index.tolist()

8) df[df < 0] = df.groupby('group').transform('mean')

9) df.rolling(window=3, min_periods=1).mean()

10) s = pd.Series(np.random.rand(len(pd.date_range('2015-01-01', '2015-12-31', freq='B'))), index=pd.date_range('2015-01-01', '2015-12-31', freq='B'))

11) s[s.index.weekday == 2].sum()

12) df.groupby(pd.Grouper(freq='M')).mean()

13) df.groupby(pd.Grouper(freq='4M')).max()

14) pd.date_range('2015-01-01', '2016-12-31', freq='WOM-3THU')