获取与Dataframe中每一行中最大值对应的所有列的列表

Question

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？

Answer 1

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。

Answer 2

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：

Answer 3

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