查找列的最大值并使用Pandas返回相应的行值

Question

使用Python Pandas我试图找到'Country'＆amp; '放置'具有最大值。

返回最大值：

data.groupby(['Country','Place'])['Value'].max()

但是如何获得相应的“国家/地区”和“地方”名称？

Answer 1

假设df具有唯一索引，则为行提供最大值：

In [34]: df.loc[df['Value'].idxmax()]
Out[34]: 
Country        US
Place      Kansas
Value         894
Name: 7

请注意，idxmax会返回索引标签。因此，如果DataFrame在索引中有重复项，则标签可能无法唯一标识该行，因此df.loc可能会返回多行。

因此，如果df没有唯一索引，则必须使索引唯一，然后才能继续执行上述操作。有时，您可以使用stack或set_index使索引唯一，具体取决于DataFrame。或者，您可以简单地重置索引（因此行重新编号，从0开始）：

df = df.reset_index()

Answer 2

df[df['Value']==df['Value'].max()]

这将返回整个行的最大值

Answer 3

国家/地区是系列的索引，如果您不需要索引，可以设置as_index=False：

df.groupby(['country','place'], as_index=False)['value'].max()

编辑：

您似乎希望每个国家/地区都拥有最大值的地方，以下代码可以执行您想要的操作：

df.groupby("country").apply(lambda df:df.irow(df.value.argmax()))

Answer 4

使用index的{​​{1}}属性。请注意，我没有在示例中键入所有行。

DataFrame

您还可以通过该索引获取值：

In [14]: df = data.groupby(['Country','Place'])['Value'].max()

In [15]: df.index
Out[15]: 
MultiIndex
[Spain  Manchester, UK     London    , US     Mchigan   ,        NewYork   ]

In [16]: df.index[0]
Out[16]: ('Spain', 'Manchester')

In [17]: df.index[1]
Out[17]: ('UK', 'London')

修改

很抱歉误解了您的想法，请尝试以下操作：

In [21]: for index in df.index:
    print index, df[index]
   ....:      
('Spain', 'Manchester') 512
('UK', 'London') 778
('US', 'Mchigan') 854
('US', 'NewYork') 562

Answer 5

导入 Pandas 模块

定义您的DataFrame对象，例如 df ，然后阅读该文件。

要以最大值打印国家/地区，请使用以下代码行。

    print(df[['Country', 'Place']][df.Value == df.Value.max()])

Answer 6

我认为返回具有最大值的行的最简单方法是获取其索引。 argmax()可用于返回具有最大值的行的索引。

index = df.Value.argmax()

现在索引可用于获取该特定行的功能：

df.iloc[df.Value.argmax(), 0:2]

Answer 7

您可以使用：

print(df[df['Value']==df['Value'].max()])

Answer 8

进口大熊猫
df是您创建的数据框。

使用命令：

df1=df[['Country','Place']][df.Value == df['Value'].max()]

这将显示值最大的国家和地方。

Answer 9

我在列中查找最大值的解决方案：

df.ix[df.idxmax()]

，也是最小值：

df.ix[df.idxmin()]

Answer 10

我建议使用nlargest以获得更好的性能和更短的代码。导入pandas

df[col_name].value_counts().nlargest(n=1)

Answer 11

尝试使用pandas导入数据时遇到类似的错误，数据集的第一列在单词开头之前有空格。我删除了空格，它就像一个魅力！！

Answer 12

使用 DataFrame.nlargest。

为此的专用方法是 nlargest，它在后台使用 algorithm.SelectNFrame，这是一种高效的方法：sort_values().head(n)

   x  y  a  b
0  1  2  a  x
1  2  4  b  x
2  3  6  c  y
3  4  1  a  z
4  5  2  b  z
5  6  3  c  z

df.nlargest(1, 'y')

   x  y  a  b
2  3  6  c  y