Question

我有一个表，每列都有值（A，B，C）。我想创建另一列（max_col），其列名具有最大值。因此，如果A列大于B或C，则填充“A”。

以下代码可以正常工作，但在很多不同的列可供选择的情况下，它不是非常“pythonic”或可扩展的。

import pandas as pd
import numpy as np

table = { 'A': [1,2,3,4,5,6],
          'B':[2,4,1,5,3,8],
          'C':[3,1,2,4,5,6]}

df = pd.DataFrame.from_dict(table)
df['total'] = df.max(axis=1)
df['max_col'] = np.nan

df['max_col'] = np.where( df['total'] == df['A'],'A',df['max_col'])
df['max_col'] = np.where( df['total'] == df['B'],'B',df['max_col'])
df['max_col'] = np.where( df['total'] == df['C'],'C',df['max_col'])

df

此外，此代码偏向于检查的最后一列，在第5行的情况下，A和C值相同，但'max_col'填充'C'，因为它是最后检查的。理想情况下，'max_col'在这种情况下会填充'No Max'。

Answer 1

按最大值使用DataFrame.idxmax列。

但是如果有多个最大值，则获取布尔值掩码，将所有值与max进行比较，然后求和True s - ＆gt; True是类似1的流程。因此，对于最终掩码，get值更大，如1。

df['max_col'] = np.where(df.eq(df.max(axis=1), axis=0).sum(axis=1) > 1,
                        'No Max', 
                         df.idxmax(axis=1))
print (df)
   A  B  C max_col
0  1  2  3       C
1  2  4  1       B
2  3  1  2       A
3  4  5  4       B
4  5  3  5  No Max
5  6  8  6       B

详细说明：

print (df.eq(df.max(axis=1), axis=0))
       A      B      C
0  False  False   True
1  False   True  False
2   True  False  False
3  False   True  False
4   True  False   True
5  False   True  False

print (df.eq(df.max(axis=1), axis=0).sum(axis=1))
0    1
1    1
2    1
3    1
4    2
5    1
dtype: int64

print (df.idxmax(axis=1))
0    C
1    B
2    A
3    B
4    A
5    B
dtype: object

与numpy广播类似的解决方案：

arr = df.values
mask = (arr == arr.max(axis=1)[:, None]).sum(axis=1) > 1
df['max_col'] = np.where(mask, 'No Max', df.idxmax(axis=1))
print (df)
   A  B  C max_col
0  1  2  3       C
1  2  4  1       B
2  3  1  2       A
3  4  5  4       B
4  5  3  5  No Max
5  6  8  6       B

通过评论编辑：

您可以按子集过滤列：

cols = ['A','B']
df['max_col'] = np.where(df[cols].eq(df[cols].max(axis=1), axis=0).sum(axis=1) > 1, 
                        'No Max', 
                        df[cols].idxmax(axis=1))
print (df)
   A  B  C max_col
0  1  2  3       B
1  2  4  1       B
2  3  1  2       A
3  4  5  4       B
4  5  3  5       A
5  6  8  6       B

根据其他列（python pandas）中的最大值填充列

1 个答案: