您可以使用loc来获取满足您的条件的序列，然后使用iloc来获取第一个元素：

In [2]: df
Out[2]:
    A  B
0  p1  1
1  p1  2
2  p3  3
3  p2  4

In [3]: df.loc[df['B'] == 3, 'A']
Out[3]:
2    p3
Name: A, dtype: object

In [4]: df.loc[df['B'] == 3, 'A'].iloc[0]
Out[4]: 'p3'

您可以尝试query，它的输入量更少：

df.query('B==3')['A']

df[df['B']==3]['A']，假设df是您的pandas.DataFrame。

如果您只需要项目本身而不需要括号，请使用df[df['B']==3]['A'].values[0]

Edited：我在前面的章节中所描述的是链接索引，在某些情况下可能不起作用。最佳实践是使用loc，但概念是相同的：

df.loc[row, col]

• row* 和 col 可以直接指定（例如'A'或['A'，'B']）或使用掩码指定（例如df['B'] == 3）。使用以下示例：

df.loc[df['B'] == 3, 'A']

上一页：我认为用这些术语思考更容易，但要借用其他答案。

df[*column*][*row*]

其中，column 和 row 指向要返回的值。对于您的示例，column 为'A'，而对于 row，您使用了掩码：

df['B'] == 3

要从序列中获取第一个匹配值，有几个选项：

df['A'][df['B'] == 3].values[0]
df['A'][df['B'] == 3].iloc[0]
df['A'][df['B'] == 3].to_numpy()[0]

您可以使用squeeze来代替iloc[0]。如果只有一个值，它看起来会更清楚：

df.loc[df['B'] == 3, 'A'].squeeze()

输出量：

'p3'

df.loc[df['B']=='give-specific-value', 'A']````

I have also worked on this clausing and extraction operations for my assignment.