大熊貓由布爾值數據框，通過索引，以及整數

Question

我有一個類似的問題在這裏的一個(dataframe by index and by integer)

我要的是一個布爾值索引來獲取數據框的部分（容易），並期待在一個很少有數值落後，比如在前一個指數中可能還有其他數值。不幸的是，在get_loc的鏈接問題中的建議答案使我的代碼片段窒息（在下面的片段中輸入錯誤），然後才能獲得實際的整數位置。

以同樣的例子如在其他問題的答案，這裏是我的嘗試：

df = pd.DataFrame(index=pd.date_range(start=dt.datetime(2015,1,1), end=dt.datetime(2015,2,1)), data={'a':np.arange(32)}) 
df.index.get_loc(df.index[df['a'] == 1]) 
*** TypeError: Cannot convert input to TimeStamp 

以前的答案使用字符串get_loc，我只是想傳遞一個簡單的索引值（這裏一個DateTime）

Answer 1

使用切片：

import numpy as np 
import pandas as pd 
import datetime as DT 
index = pd.date_range(start=DT.datetime(2015,1,1), end=DT.datetime(2015,2,1)) 
df = pd.DataFrame({'a':np.arange(len(index))}, index=index) 

mask = df['a'] == 1 
idx = np.flatnonzero(mask)[0] 
lookback = 3 
print(df.iloc[max(idx-lookback, 0):idx+1]) 

產量

   a 
2015-01-08 7 
2015-01-09 8 
2015-01-10 9 
2015-01-11 10 

注意，如果idx-lookback是否定的，則該指數指的是元件附近的df尾部，就像Python列表：

In [163]: df.iloc[-3:2] 
Out[163]: 
Empty DataFrame 
Columns: [a] 
Index: [] 

In [164]: df.iloc[0:2] 
Out[164]: 
      a 
2015-01-01 0 
2015-01-02 1 

因此，抓住相對的df的頭元件，使用max(idx-lookback, 0)。

---

使用布爾面具：

你知道，如果你有一個布爾數組或布爾系列如

mask = df['a'] == 10 

你可以用

選擇對應的行

df.loc[mask] 

如果你想選擇以前或su一個固定的量，你可以使用mask.shift到掩模移動轉移cceeding行：

lookback = 3 
for i in range(1, lookback): 
    mask |= mask.shift(-i) 

：

df.loc[mask.shift(-lookback).fillna(False)] 

如果您想選擇lookback前述行，那麼你可以通過它的變化unioning展開該面具

，或者等價地，使用cumsum：

mask = (mask.shift(-lookback) - mask.shift(1)).cumsum().fillna(False).astype(bool) 

的for-loop是清晰的，但cumsum EXP熱情更快，特別是如果lookback大。

---

例如，

import numpy as np 
import pandas as pd 
import datetime as DT 
df = pd.DataFrame(
    index=pd.date_range(start=DT.datetime(2015,1,1), end=DT.datetime(2015,2,1)), 
    data={'a':np.arange(32)}) 

mask = df['a'] == 10 
lookback = 3 
for i in range(1, lookback): 
    mask |= mask.shift(-i) 

# alternatively, 
# mask = (mask.shift(-lookback) - mask.shift(1)).cumsum().fillna(False).astype(bool) 

print(df.loc[mask]) 

產生

   a 
2015-01-08 7 
2015-01-09 8 
2015-01-10 9 
2015-01-11 10