根据行最大值定位条件列值

Question

这是更大的df_data 1000 x 150的简单版本

Date            A   B   C   D        A'  B' C'  D'
31/01/2017      47  15  45  40       10  7  12   8
28/02/2017      22  34  28  13        3  2  26   4
31/03/2017      25  12  13  47        1  5   6  59

基本问题是需要对A，B，C，D列进行行排序，并使用最大/最小准则在A'，B'，C'，D'列中找到相应的行值

需要以下请。

（1）找到每个日期（行）的n个最大值和n个最小值。 我们在这里假设n = 2。 （2）以（1）中的最小值/最大值为条件，使用相关的列标题为A'，B，C'，D'的不同列（在同一df或不同df中使用）查找同一行中的对应值完全相同的日期索引）

假设A，B，C，D与A'，B'，C'，D'之间存在1-1映射

所需结果：

31/01/2017: max1 = 10, max2 =12 ; min1 = 7, min2 = 8
28/02/2017: max1 =  2, max2 =26 ; min1 = 4, min2 = 3
31/03/2017: max1 = 59, max2 = 1 ; min1 = 5, min2 = 6

我可以找到最大的例如

df_data [["A","B","C","D"]].apply(lambda row: np.max(row),axis=1)

但是，如何在.apply或其他方法中使用iloc函数来查找该最大值的col标头（索引）？ （我在numpy数组中尝试了.argsort ，但无法到达任何地方）

另外，如何使用rank或sort找到每行的前n和后n值（其中n > 1 ）？ 我尝试以下对行进行排序（降序）

df_data.values.sort
df_data = df_data.iloc[:,::-1]

这似乎可行，但我的最终目标是在列A'，B'，C'，D'中找到值

对不起，如果有点长。

Answer 1

我使用了Numpy Fancy Indexing 。

第一步是确定A ， B ， C ， D列中最大元素的索引。 np.argmax可以使用，但是您提到要查找最小，第二大，第二小的等，因此请使用np.argsort 。

>>> idxs = df['A B C D'.split()].apply(np.argsort, axis=1).values

在您的示例中， idxs为：

array([[1, 3, 2, 0],
       [3, 0, 2, 1],
       [1, 2, 0, 3]], dtype=int64)

idxs的第一列是A ， B ， C ， D列中按行的最小元素的索引。 也就是说， df.iloc[0, 1]为15，这是第一行中的最小元素。 df.iloc[1, 3]为13，是第二行中的最小元素。 等等idxs的第二列是idxs第二个的索引。 idxs的最后一列是最大元素的索引。

我们用它来在A' ， B' ， C' ， D'列中建立大量的花式索引。 为此，我们使用两个数组对二维数组进行下标。 第一个数组是行索引，第二个数组是每行中所需的列。

>>> df[["A'", "B'", "C'", "D'"]].values[np.arange(nrow), idxs[:, -1]]

由于我们使用的是idxs的最后一列， idxs我们从A' ， B' ， C' ， D'列中选择A ， B ， C和D列中最大项的索引。 所以结果是

array(['10', '2', '59'], dtype=object)

如预期的。

选择与最小用途相对应的元素

>>> df[["A'", "B'", "C'", "D'"]].values[np.arange(nrow), idxs[:, 0]]
array(['7', '4', '5'], dtype=object)