[英]Getting list of all columns corresponding to maximum value in each row in a Dataframe
如何获取与Dataframe中每一行中最大值对应的所有列的列表? 例如,如果我有这个数据框,
df = pd.DataFrame({'a':[12,34,98,26],'b':[12,87,98,12],'c':[11,23,43,1]})
a b c
0 12 12 11
1 34 87 23
2 98 98 43
3 26 12 1
我想制作另一个数据框,如下所示,
0 [a,b]
1 [b]
2 [a,b]
3 [a]
我怎样才能做到这一点?
您可以尝试这些代码(机器人方法也一样):
max_cols_df = pd.DataFrame({"max_cols": [list(df[df==mv].iloc[i].dropna().index) for i, mv in enumerate(df.max(axis=1))]})
max_cols_df = pd.DataFrame({"max_cols": [list(df.iloc[i][v].index) for i, v in df.eq(df.max(axis=1), axis=0).iterrows()]})
max_cols_df
----------------
max_cols
0 [a, b]
1 [b]
2 [a, b]
3 [a]
----------------
但是我认为您在另一篇文章中提出了相关问题,并且无法升级pandas
。 因此,第二个可能会引发错误。
使用Pandas Melt解决
import pandas as pd
df = pd.DataFrame({'a':[12,34,98,26],'b':[12,87,98,12],'c':[11,23,43,1]})
df = df.reset_index()
df = pd.melt(df, id_vars=['index'],value_vars=['a','b','c'], var_name='col_name')
df['Index_Value_Max'] = df.groupby(['index'])['value'].transform('max')
df[df['value'] == df['Index_Value_Max']].groupby(['index']).agg({'col_name':'unique'}).reset_index()
输出:
首先,获取每一行的最大值:
df.max(axis=1)
然后检查数据框的值是否等于最大值。
df.eq(df.max(axis=1), axis=0)
然后逐行应用函数来选择行中值为True
的列名。
df.apply(
lambda row: [k for k, v in row.iteritems() if v],
axis=1
)
概括地说,这是:
df.eq(df.max(axis=1), axis=0).apply(
lambda row: [k for k, v in row.iteritems() if v],
axis=1
)
0 [a, b]
1 [b]
2 [a, b]
3 [a]
dtype: object
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.