pandas：在数据框中为每个系列找到最大值

Question

考虑这些数据：

df = pd.DataFrame(np.random.randint(0,20,size=(5, 4)),
              columns=list('ABCD'),
              index=pd.date_range('2016-04-01', '2016-04-05'))

date       A   B   C   D
1/1/2016  15   5  19   2
2/1/2016  18   1  14  11
3/1/2016  10  16   8   8
4/1/2016   7  17  17  18
5/1/2016  10  15  18  18

其中date是索引

我想要回复的是每列(date, <max>, <series_name>)的元组：

   2/1/2016, 18, 'A'
   4/1/2016, 17, 'B'
   1/1/2016, 19, 'C'
   4/1/2016, 18, 'D'

如何在惯用的熊猫中做到这一点？

Answer 1

我认为你可以concat max和idxmax。最后，您可以reset_index，rename列print df A B C D date 1/1/2016 15 5 19 2 2/1/2016 18 1 14 11 3/1/2016 10 16 8 8 4/1/2016 7 17 17 18 5/1/2016 10 15 18 18 print pd.concat([df.max(),df.idxmax()], axis=1, keys=['max','date']) max date A 18 2/1/2016 B 17 4/1/2016 C 19 1/1/2016 D 18 4/1/2016 df = pd.concat([df.max(),df.idxmax()], axis=1, keys=['max','date']) .reset_index() .rename(columns={'index':'name'}) #change order of columns df = df[['date','max','name']] print df date max name 0 2/1/2016 18 A 1 4/1/2016 17 B 2 1/1/2016 19 C 3 4/1/2016 18 D 并重新排序所有列：

pandas

rename_axis的另一个解决方案（0.18.0 print pd.concat([df.max().rename_axis('name'), df.idxmax()], axis=1, keys=['max','date']) max date name A 18 2/1/2016 B 17 4/1/2016 C 19 1/1/2016 D 18 4/1/2016 df = pd.concat([df.max().rename_axis('name'), df.idxmax()], axis=1, keys=['max','date']) .reset_index() #change order of columns df = df[['date','max','name']] print df date max name 0 2/1/2016 18 A 1 4/1/2016 17 B 2 1/1/2016 19 C 3 4/1/2016 18 D 中的新内容）：

fflush

Answer 2

您可以使用idxmax和max，其中轴= 0，然后加入它们：

np.random.seed(632)

df = pd.DataFrame(np.random.randint(0,20,size=(5, 4)), columns=list('ABCD'))

In [28]: df
Out[28]:
    A   B   C   D
0  10  14  16   1
1  12  13   8   8
2   8  16  11   1
3   8   1  17  12
4   4   2   1   7

In [29]: df.idxmax(axis=0)
Out[29]:
A    1
B    2
C    3
D    3
dtype: int64

In [30]: df.max(axis=0)
Out[30]:
A    12
B    16
C    17
D    12
dtype: int32


In [32]: pd.concat([df.idxmax(axis=0) , df.max(axis=0)], axis=1)
Out[32]:
   0   1
A  1  12
B  2  16
C  3  17
D  3  12

Answer 3

设置

import numpy as np
import pandas as pd

np.random.seed(314)
df = pd.DataFrame(np.random.randint(0,20,size=(5, 4)),
                  columns=list('ABCD'),
                  index=pd.date_range('2016-04-01', '2016-04-05'))

print df

             A   B   C   D
2016-04-01   8  13   9  19
2016-04-02  10  14  16   7
2016-04-03   2   7  16   3
2016-04-04  12   7   4   0
2016-04-05   4  13   8  16

解决方案

stacked = df.stack()
stacked = stacked[stacked.groupby(level=1).idxmax()]

产生

print stacked

2016-04-04  A    12
2016-04-02  B    14
            C    16
2016-04-01  D    19
dtype: int32