web-dev-qa-db-fra.com

Trouvez le nom de la colonne qui a la valeur maximale pour chaque ligne

J'ai un DataFrame comme celui-ci:

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

Ici, je veux demander comment obtenir le nom de la colonne qui a une valeur maximale pour chaque ligne, la sortie souhaitée est la suivante:

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
pythonpandasdataframemax
91
markov zain

Vous pouvez utiliser idxmax avec axis=1 Pour trouver la colonne avec la plus grande valeur sur chaque ligne:

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

Pour créer la nouvelle colonne 'Max', utilisez df['Max'] = df.idxmax(axis=1).

Pour trouver l'index row auquel la valeur maximale apparaît dans chaque colonne, utilisez df.idxmax() (ou de manière équivalente df.idxmax(axis=0)).

125
Alex Riley

Et si vous souhaitez produire une colonne contenant le nom de la colonne avec la valeur maximale mais en considérant uniquement un sous-ensemble de colonnes, vous utilisez une variante de la réponse de @ ajcr:

df['Max'] = df[['Communications','Business']].idxmax(axis=1)
10
user1718097

Vous pouvez apply sur le cadre de données et obtenir argmax() de chaque ligne via axis=1

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

Voici un point de repère pour comparer la méthode lente apply de idxmax() pour len(df) ~ 20K

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
5
Zero