将Pandas dataframe的行映射到numpy数组中

Question

抱歉，我知道有太多关于索引的问题，而且它可能是我的主角，但我有点麻烦。我通常熟悉.loc，.iloc，和{}方法和切片。方法.reset_index可能没有（也可能无法）在我们的数据帧上调用，因此索引标签可能没有顺序。dataframe和numpy数组实际上是dataframe的不同长度的子集，但是对于这个示例，我将保持它们的大小相同（一旦有了一个示例，我就可以处理偏移）。在

这是一张我想要的照片：

我可以根据一些搜索条件从数据帧中提取行的列。在

idxlbls = df.index[df['timestamp'] == dt]
stuff = df.loc[idxlbls, 'col3':'col5']

但我如何将其映射到行号（数组索引，而不是标签索引）中用作numpy的数组索引（假设行长度相同）？在

^{pr2}$

我之所以需要它是因为dataframe更大、更完整，并且包含列搜索条件，但是numpy数组是先前在管道中提取和修改过的子集（其中没有相同的搜索条件）。我需要搜索dataframe并从numpy数组中提取等价的数据。基本上，我需要将数据帧中的特定行与numpy数组的相应行相关联。在

Answer 1

我会把熊猫指数映射成纽比指数：

keys_dict = dict(zip(idxlbls, range(len(idxlbls))))

然后可以使用字典keys_dict通过pandas索引来寻址数组元素：array[keys_dict[some_df_index], :]

Answer 2

我相信需要^{}通过过滤的列名称查找位置，对于索引是可能的，使用相同的方法或使用{a2}通过布尔掩码查找位置：

df = pd.DataFrame({'timestamp':list('abadef'),
                   'B':[4,5,4,5,5,4],
                   'C':[7,8,9,4,2,3],
                   'D':[1,3,5,7,1,0],
                   'E':[5,3,6,9,2,4]}, index=list('ABCDEF'))

print (df)
  timestamp  B  C  D  E
A         a  4  7  1  5
B         b  5  8  3  3
C         a  4  9  5  6
D         d  5  4  7  9
E         e  5  2  1  2
F         f  4  3  0  4

idxlbls = df.index[df['timestamp'] == 'a']
stuff = df.loc[idxlbls, 'C':'E']
print (stuff)
   C  D  E
A  7  1  5
C  9  5  6

a = df.index.get_indexer(stuff.index)

或通过布尔掩码获取位置：

^{pr2}$

---

b = df.columns.get_indexer(stuff.columns)
print (b)
[2 3 4]