查找每行具有最大值的列名

Posted 2023-02-16

【中文标题】查找每行具有最大值的列名

【英文标题】：Find the column name which has the maximum value for each row

【发布时间】：2015-07-07 07:07:48

【问题描述】：

我有一个像这样的 DataFrame：

In [7]:
frame.head()
Out[7]:
Communications and Search   Business    General Lifestyle
0   0.745763    0.050847    0.118644    0.084746
0   0.333333    0.000000    0.583333    0.083333
0   0.617021    0.042553    0.297872    0.042553
0   0.435897    0.000000    0.410256    0.153846
0   0.358974    0.076923    0.410256    0.153846

在这里，我想问一下如何获取每行具有最大值的列名，所需的输出是这样的：

In [7]:
    frame.head()
    Out[7]:
    Communications and Search   Business    General Lifestyle   Max
    0   0.745763    0.050847    0.118644    0.084746           Communications 
    0   0.333333    0.000000    0.583333    0.083333           Business  
    0   0.617021    0.042553    0.297872    0.042553           Communications 
    0   0.435897    0.000000    0.410256    0.153846           Communications 
    0   0.358974    0.076923    0.410256    0.153846           Business 

【参考方案1】：

您可以使用idxmax 和axis=1 来查找每行中值最大的列：

>>> df.idxmax(axis=1)
0    Communications
1          Business
2    Communications
3    Communications
4          Business
dtype: object

要创建新列“Max”，请使用df['Max'] = df.idxmax(axis=1)。

要查找每列中出现最大值的行索引，请使用df.idxmax()（或等效的df.idxmax(axis=0)）。

【讨论】：

@SushantKulkarni 你是如何设法获得前 3 名而不是前 1 名的概率？

#计算所有账户的概率proba = lr.predict_proba(tfidf) MLR_y_p = pd.DataFrame(proba, columns=np.unique(y), index=df.Key.tolist())跨度>

这只是一个问题：如果列中的值相同，则 idmax 选择第一列作为默认值...不理想..

只是不要将该列命名为“第一”。没有抛出错误，一切正常，包括显示数据框时，但 'first' 是保留关键字。当您开始操作数据框时，它稍后会引发错误

有没有办法以与第一个相同的方式获得第二个和第三个最大值？

【参考方案2】：

如果您想生成一个包含具有最大值但仅考虑列的子集的列名称的列，那么您可以使用@ajcr 答案的变体：

df['Max'] = df[['Communications','Business']].idxmax(axis=1)

【讨论】：

如果要排除除子集df['Max'] = df[df.columns.difference(['Foo','Bar'])].idxmax(axis=1)之外的所有列@

【参考方案3】：

您可以在数据帧上apply 并通过axis=1 获取每一行的argmax()

In [144]: df.apply(lambda x: x.argmax(), axis=1)
Out[144]:
0    Communications
1          Business
2    Communications
3    Communications
4          Business
dtype: object

---

这是一个基准，用于比较 apply 方法与 idxmax() 对于 len(df) ~ 20K 的速度有多慢

In [146]: %timeit df.apply(lambda x: x.argmax(), axis=1)
1 loops, best of 3: 479 ms per loop

In [147]: %timeit df.idxmax(axis=1)
10 loops, best of 3: 47.3 ms per loop

【讨论】：

我喜欢这种方法。它似乎比apply 快。有没有机会我只能对此进行小幅调整以获得具有第二大值的列名？谢谢。