Tengo un DataFrame como este:

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

Aquí, quiero preguntar cómo obtener el nombre de la columna que tiene el máximo valor para cada fila, la salida deseada es como este:

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 
InformationsquelleAutor markov zain | 2015-04-28

3 Comentarios

  1. 127

    Puede utilizar idxmax con axis=1 para encontrar la columna con el mayor valor en cada fila:

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

    Para crear la nueva columna de «Max», el uso de df['Max'] = df.idxmax(axis=1).

    Para encontrar el fila índice en el que el valor máximo se produce en cada columna, utilice df.idxmax() (o, equivalentemente,df.idxmax(axis=0)).

    • ¿Cómo puedo obtener el segundo máximo? Yo quería top 3 de las probabilidades así..
    • ¿Cómo te las arreglas para llegar a la cima-3 probabilidades en el lugar de la parte superior-1?
    • # Informática probabilidades de todas las accountsproba = lr.predict_proba(tfidf) MLR_y_p = pd.DataFrame(proba, columnas=np.el único(y), índice=df.Clave.tolist())
  2. 10

    Y si se quiere producir una columna que contiene el nombre de la columna con el valor máximo pero teniendo en cuenta sólo un subconjunto de las columnas, a continuación, utilizar una variación de @ajcr la respuesta:

    df['Max'] = df[['Communications','Business']].idxmax(axis=1)
    • Si desea excluir todas las columnas excepto para un subconjunto df['Max'] = df[df.columns.difference(['Foo','Bar'])].idxmax(axis=1)
  3. 5

    Podría apply en dataframe y obtener argmax() de cada fila a través de 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

    He aquí un punto de referencia para comparar la forma lenta apply método es idxmax() para 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

Dejar respuesta

Please enter your comment!
Please enter your name here