Question

我正在尝试复制DataFrame.idxmax()和DataFrame.idxmin()的功能，但我想使用自定义函数进行评估，而不是min或max。

例如在DataFrame D中：

+---+-----+-----+-----+
|   |  A  |  B  |  C  |
+---+-----+-----+-----+
| 0 | NaN | 100 | NaN |
+---+-----+-----+-----+
| 1 | 100 | NaN | NaN |
+---+-----+-----+-----+
| 2 | NaN | NaN | 200 |
+---+-----+-----+-----+

只有一列不会为包含整数的null。当数字等于100时，我想返回一个S系列（带索引i）：

+---+---+
| 0 | B |
+---+---+
| 1 | A |
+---+---+

我希望D.apply(lambda x: x[x==100].index,1)可以工作，但事实并非如此。建议？

Answer 1

In [66]: df[df==100].stack()
Out[66]: 
0  B    100
1  A    100
dtype: float64

Answer 2

怎么样：

df = pd.DataFrame({"A":[np.nan, np.nan, 100], "B":[np.nan, 100, np.nan], "C":[100, np.nan, np.nan]})
df.unstack().dropna()

或：

df[df==100].unstack().dropna()

如果您只需要索引：

df.unstack().dropna().reset_index().drop(0, axis=1)

当条件评估为True时，在pandas中获取DataFrame的列标签

2 个答案: