如何（有效地、惯用地）根据条件从pandas系列中提取元素

Question

假设我有一个pandasSeries对象，我想获取其对应值符合某种条件的所有元素（意义索引）。你知道吗

有很多可能的方法可以做到这一点，但我希望有一个简单，有效，惯用的方法-我还没有找到。你知道吗

This question描述了如何使用布尔索引进行索引，但是对于一个简单的命令来说，这似乎过于冗长了—例如：

import pandas as pd

age = pd.Series(index=['mom','dad','cat1','cat2','baby'],
                data=[30,30,3,3,1])

age[age>10].index.values

[编辑：注意变量名age在前一行中出现了两次。当然age[age>10]很短，但这只是因为age是一个短名称-如果我遇到一个长名称的序列，比如age_of_family_members_after_filtering，那么age_of_family_members_after_filtering[age_of_family_members_after_filtering>10]看起来就不太好了。你知道吗

我发现的其他解决方案同样冗长：

age.where(lambda x: x>10).dropna().index.values

或：

[name for name, _age in age.items() if _age>10]

（最后一个返回一个列表，而前一个返回数组，但这两个都可以）

因为这是一个非常常见的命令，所以我希望使用age.filter_where(lambda x: x>10)或类似的命令，我很惊讶没有找到这样的命令。你知道吗

我错过了什么（如果有的话）？ 提前谢谢。你知道吗

Answer 1

对于给定的解决方案，您可以使用jupytertimeitmagic命令进行一些评估，以简单地对其进行测试：

# %%
%timeit age[age>10].index.values
--> 235 µs ± 8.68 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)


# %%
%timeit age.where(lambda x: x>10).dropna().index.values
--> 510 µs ± 14.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

# %%
%timeit [name for name, _age in age.items() if _age>10]
--> 12.5 µs ± 429 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

对于给定的解，最后一个是最快的，但是第一个是最简单的，仍然是完全有效的。你知道吗

另一个，注意效率的不同：

age.index[age.values > 10].tolist()
--> 16.5 µs ± 823 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

age.index[age > 10].tolist()
--> 157 µs ± 12.1 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

---

更新@Alexander的想法：

# %% 
from itertools import compress
%timeit list(compress(age.index, age > 10))
--> 119 µs ± 3.24 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

Answer 2

pandas中的行切片接受callable。所以你可以

age.loc[lambda x: x > 10]

这个小例子看起来有点过分，但是：

• 如果序列名不是age，而是series_long_after_operation，这就变得更清楚了
• 它支持方法链接，如age.loc[lambda x: x > 10].loc[lambda x: x%2==0]

第二种方法实际上是长管道操作的一种方法，其中每个方法都返回不同的数据帧形状。你知道吗

Answer 3

你可以压缩索引，但我不认为它比简单的布尔索引更简单，因为布尔索引非常简洁

from itertools import compress

>> list(compress(age.index, age > 10))
['mom', 'data']