这应该能奏效

'g' in df.index

只是作为参考，因为这是我正在寻找的东西，您可以通过附加"来测试值或索引中的存在。方法，例如:

g in df.<your selected field>.values
g in df.index.values

我发现加上“。”使用其他python工具来获取简单的列表或ndarray out使存在或“in”检查更顺利地运行。我只是想把这个说给大家听。

df = pandas.DataFrame({'g':[1]}, index=['isStop'])

#df.loc['g']

if 'g' in df.index:
    print("find g")

if 'isStop' in df.index:
    print("find a") 

多索引的工作方式与单索引略有不同。这里有一些多索引数据帧的方法。

df = pd.DataFrame({'col1': ['a', 'b','c', 'd'], 'col2': ['X','X','Y', 'Y'], 'col3': [1, 2, 3, 4]}, columns=['col1', 'col2', 'col3'])
df = df.set_index(['col1', 'col2'])

在df。索引仅在检查单个索引值时才适用于第一层。

'a' in df.index     # True
'X' in df.index     # False

检查df.index.levels查看其他级别。

'a' in df.index.levels[0] # True
'X' in df.index.levels[1] # True

登记df。索引组合元组的索引。

('a', 'X') in df.index  # True
('a', 'Y') in df.index  # False

with DataFrame: df_data

>>> df_data
  id   name  value
0  a  ampha      1
1  b   beta      2
2  c     ce      3

我试着:

>>> getattr(df_data, 'value').isin([1]).any()
True
>>> getattr(df_data, 'value').isin(['1']).any()
True

but:

>>> 1 in getattr(df_data, 'value')
True
>>> '1' in getattr(df_data, 'value')
False

很有趣:D

下面的代码不打印布尔值，但允许数据帧通过索引进行子集设置…我知道这可能不是解决问题的最有效的方法，但我(1)喜欢这个读取的方式和(2)你可以很容易地子集df1索引存在于df2:

df3 = df1[df1.index.isin(df2.index)]

或者df1索引在df2中不存在…

df3 = df1[~df1.index.isin(df2.index)]

我喜欢用:

if 'value' in df.index.get_level_values(0):
    print(True)

Get_level_values方法很好，因为它允许您获得索引中的值，无论您的索引是简单的还是复合的。

如果在数据帧中只有一个索引[或者想在多个索引级别中检查第一个索引]，请使用0(0)。使用1作为第二个索引，依此类推……