给定一个带有列”BoolCol”的DataFrame，如何找到满足条件”BoolCol” == True的DataFrame的索引
目前有迭代的方式来做到这一点：
for i in range(100,3000):
if df.iloc[i]['BoolCol']== True:
print i,df.iloc[i]['BoolCol']
这虽然可行，但不是标准的 Pandas 方式。经过一番研究，我目前正在使用这个代码：
df[df['BoolCol'] == True].index.tolist()
这个给了我一个索引列表，但跟我想要的不匹配，当检查：
df.iloc[i]['BoolCol']
其结果实际上是False！
如何使用正确的 Pandas 方式做到这一点？
最佳解决方法
df.iloc[i]返回df的第i行。 i不引用索引标签，i是从0开始的索引。
相反，属性index返回实际的索引标签，而不是数字row-indices：
df.index[df['BoolCol'] == True].tolist()
或者等同地，
df.index[df['BoolCol']].tolist()
通过使用带有”unusual”索引的DataFrame，可以非常清楚地看到差异：
df = pd.DataFrame({'BoolCol': [True, False, False, True, True]},
index=[10,20,30,40,50])
In [53]: df
Out[53]:
BoolCol
10 True
20 False
30 False
40 True
50 True
[5 rows x 1 columns]
In [54]: df.index[df['BoolCol']].tolist()
Out[54]: [10, 40, 50]
如果你想使用索引，
In [56]: idx = df.index[df['BoolCol']]
In [57]: idx
Out[57]: Int64Index([10, 40, 50], dtype='int64')
那么您可以使用loc而不是iloc选择行：
In [58]: df.loc[idx]
Out[58]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
请注意，loc也可以接受布尔数组：
In [55]: df.loc[df['BoolCol']]
Out[55]:
BoolCol
10 True
40 True
50 True
[3 rows x 1 columns]
如果您有一个布尔数组mask，并且需要序数索引值，则可以使用np.flatnonzero来计算它们：
In [110]: np.flatnonzero(df['BoolCol'])
Out[112]: array([0, 3, 4])
使用df.iloc按顺序索引选择行：
In [113]: df.iloc[np.flatnonzero(df['BoolCol'])]
Out[113]:
BoolCol
10 True
40 True
50 True
