python – 在Pandas DataFrame中查找所有最大索引

前端之家收集整理的这篇文章主要介绍了python – 在Pandas DataFrame中查找所有最大索引前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

我需要找到所有索引,其中在Pandas DataFrame中获得最大值(每行).例如,如果我有这样的dataFrame:

@H_502_5@ cat1 cat2 cat3 0 0 2 2 1 3 0 1 2 1 1 0

那么我正在寻找的方法会产生如下结果:

@H_502_5@[['cat2','cat3'],['cat1'],['cat1','cat2']]

这是一个列表列表,但其他一些数据结构也没问题.

我不能使用df.idxmax(axis = 1),因为它只产生第一个最大值.

最佳答案
以下是不同数据结构中的信息:

@H_502_5@In [8]: df = pd.DataFrame({'cat1':[0,3,1],'cat2':[2,'cat3':[2,1,0]}) In [9]: df Out[9]: cat1 cat2 cat3 0 0 2 2 1 3 0 1 2 1 1 0 [3 rows x 3 columns] In [10]: rowmax = df.max(axis=1)

最大值由True值表示:

@H_502_5@In [82]: df.values == rowmax[:,None] Out[82]: array([[False,True,True],[ True,False,False],False]],dtype=bool)

np.where返回上面的DataFrame为True的索引.

@H_502_5@In [84]: np.where(df.values == rowmax[:,None]) Out[84]: (array([0,2,2]),array([1,1]))

第一个数组表示轴= 0的索引值,第二个数组表示轴= 1.每个数组中有5个值,因为有五个位置为True.

您可以使用itertools.groupby来构建您发布的列表列表,但考虑到上面的数据结构,您可能不需要这样做:

@H_502_5@In [46]: import itertools as IT In [47]: import operator In [48]: idx = np.where(df.values == rowmax[:,None]) In [49]: groups = IT.groupby(zip(*idx),key=operator.itemgetter(0)) In [50]: [[df.columns[j] for i,j in grp] for k,grp in groups] Out[50]: [['cat1','cat1'],['cat2'],['cat3','cat3']]

猜你在找的Python相关文章