Question

例如，数据如下：

df={'a1':[5,6,3,2,5],'a2':[23,43,56,2,6], 'a3':[4,2,3,6,7], 'a4':[1,2,1,3,2],'a5':[4,98,23,5,7],'a6':[5,43,3,2,5]}
x=pd.DataFrame(df)
Out[260]: 
    a1  a2  a3  a4  a5  a6
0   5  23   4   1   4   5
1   6  43   2   2   98   43
2   3  56   3   1  23   3
3   2   2   6   3   5   2
4   5   6   7   2   7   5

我需要结果如下：

top1 top2 top3
a2   a1   a6
a5   a2   a6
....

我已经看到了对推荐idxmax的先前问题（见下文）的回答。但是如何处理前n个值（n> 1）？

Find the column name which has the maximum value for each row

更新

我发现答案非常有用，但唯一的问题是我的数据很长，所以必须想办法绕过它。我最终将数据保存到csv文件，然后以块的形式将其读回。这是我使用的代码：

data = pd.read_csv('xxx.csv', chunksize=1000)
rslt = pd.DataFrame(np.zeros((0,3)), columns=['top1','top2','top3'])
for chunk in data:
    x=pd.DataFrame(chunk).T
    for i in x.columns:
        df1row = pd.DataFrame(x.nlargest(3, i).index.tolist(), index=['top1','top2','top3']).T
        rslt = pd.concat([rslt, df1row], axis=0)
rslt=rslt.reset_index(drop=True)

Answer 1

您需要的是pandas.DataFrame.nlargest。

import pandas as pd
import numpy as np

df={'a1':[5,6,3,2,5],'a2':[23,43,56,2,6], 'a3':[4,2,3,6,7], 'a4':[1,2,1,3,2],'a5':[4,98,23,5,7],'a6':[5,43,3,2,5]}

x=pd.DataFrame(df).T

rslt = pd.DataFrame(np.zeros((0,3)), columns=['top1','top2','top3'])
for i in x.columns:
    df1row = pd.DataFrame(x.nlargest(3, i).index.tolist(), index=['top1','top2','top3']).T
    rslt = pd.concat([rslt, df1row], axis=0)

print rslt

Out[52]: 
  top1 top2 top3
0   a2   a1   a6
0   a5   a2   a6
0   a2   a5   a1
0   a3   a5   a4
0   a3   a5   a2

Answer 2

import pandas as pd
import numpy as np

df={'a1':[5,6,3,2,5],'a2':[23,43,56,2,6], 'a3':[4,2,3,6,7], 'a4':[1,2,1,3,2],'a5':[4,98,23,5,7],'a6':[5,43,3,2,5]}
df=pd.DataFrame(df)

df


   a1  a2  a3  a4  a5  a6
0   5  23   4   1   4   5
1   6  43   2   2  98  43
2   3  56   3   1  23   3
3   2   2   6   3   5   2
4   5   6   7   2   7   5

我们可以使用argsort中的numpy和apply中的lambda和pandas来解决它。解决方案：

Tops =pd.DataFrame(df.apply(lambda x:list(df.columns[np.array(x).argsort()[::-1][:3]]), axis=1).to_list(),  columns=['Top1', 'Top2', 'Top3'])


Tops

我们得到：

  Top1 Top2 Top3
0   a2   a6   a1
1   a5   a6   a2
2   a2   a5   a6
3   a3   a5   a4
4   a5   a3   a2

Answer 3

您可以这样做：

x.T.apply(lambda x: x.sort_values(ascending=False).index).T.filter(['a1','a2','a3']).rename(columns={"a1":'top1',"a2":'top2',"a3":'top3'})

结果：

  top1 top2 top3
0   a2  a6  a1
1   a5  a6  a2
2   a2  a5  a6
3   a3  a5  a4
4   a5  a3  a2

Answer 4

无需转置数据的答案。

首先，我们定义如何从列表（或行）中获取n个最大值索引。

def get_n_largest_ind(a,n):
    ind = np.argpartition(a, -n)[-n:]
    return ind[0]

a = [0.4,0.5,0.4,0.8,0.2,0.1,0.99]
get_n_largest_ind(a,3)
>>>> 1

现在，您可以定义要用于排名的列。然后，我们循环显示要显示的顶部列的数量（在此示例中为3）。

cols = df.columns
for n in [1,2,3]:
    df["top{}".format(n)] = df[cols].apply(lambda x: cols[get_n_largest_ind(x,n)],axis=1)

找到每行具有前3个最大值的列名称

4 个答案: