添加行名称作为键和列名称作为值来自 pandas dataframe

Question

我有几个不同长度和行号的 DF。 像这样：

df = 
        c1    c2    c3    c4
r1      8      4     5     2
r2      2      5     9     2

我需要遍历每一列并返回具有最高值的行，并将其作为键添加到以列名作为值的字典中。 因此，对于 c1，我会将 r1 作为键，将 c1 作为值，对于 c2，我将把 r2 作为键，将 c2 作为值。 然后对于 c3，我将 r2 作为键，现在 [c2,c3] 作为键。 此外，对于 c4 我需要所有键才能将 c4 作为值添加到它们的列表中。

我正在处理的 dataframe 有更多的列和更多的行。

最终的字典应该是这样的：

dict = {"r1": ["c1","c4"], "r2": ["c2","c3","c4"]}  

起初这似乎并不难，但我很困惑。

我遇到的最困难的问题是将列表/值与每个键分开。

任何帮助将不胜感激！

Answer 1

IIUC，您可以将每个值与每列的max进行比较，然后仅保留最大值并重塑为字典：

s = df.eq(df.max()).stack()
s[s].reset_index(level=1).groupby(level=0)['level_1'].agg(list).to_dict()

output: {'r1': ['c1', 'c4'], 'r2': ['c2', 'c3', 'c4']}

利用索引上的groupby返回字典这一事实的替代方法：

s = df.eq(df.max()).stack()
s = s[s].reset_index(level=0)['level_0']
out = s.index.groupby(s)
# {'r1': ['c1', 'c4'], 'r2': ['c2', 'c3', 'c4']}

Answer 2

让我们尝试rank

d = df.rank(ascending=False,method = 'dense').apply(lambda x: x.index[x==1].tolist(),axis=1).to_dict()
Out[52]: {'r1': ['c1', 'c4'], 'r2': ['c2', 'c3', 'c4']}