Question

我有一组数据，我试图评估每个参数的影响。为此，我的第一个想法是尝试计算我的参数值在锁定所有其他参数时产生最佳结果的概率，或者更一般地说是在最佳x％中。让我们看一个让它更清晰的例子：

我的数据看起来像这样（但有更多级别）：

import pandas as pd
import numpy as np

iterables = [['a','b','c'], [1,2,3]]
np.random.seed(123)

columns_index = pd.MultiIndex.from_product(iterables, names=['first', 'second'])
df = pd.DataFrame(data= np.random.rand(2,9), columns = columns_index, index=['feature1', 'feature2'])

应该会产生以下结果：

first            a                             b                      \
second           1         2         3         1         2         3   
feature1  0.696469  0.286139  0.226851  0.551315  0.719469  0.423106   
feature2  0.392118  0.343178  0.729050  0.438572  0.059678  0.398044   
first            c                      
second           1         2         3  
feature1  0.980764  0.684830  0.480932  
feature2  0.737995  0.182492  0.175452

现在，如果我对'feature2'感兴趣，并想检查'first'的影响，我可以这样做：

df.loc['feature2'].groupby('second').max()
Out[272]: 
second
1    0.737995
2    0.343178
3    0.729050

现在，问题是，我怎样才能得到以下内容：

最大值来自：

'first'= c代表'second'= 1
'first'= a for for'second'= 2
'first'= a for'second'= 3

所以我想计算： a：66.66％ b：0％ c：33.33％

希望这很清楚。如果你有想法，我也很想知道检查不同参数影响的任何更好的想法。

谢谢！

Answer 1

使用.idxmax获取索引，即

df.loc['feature2'].groupby(level=1).idxmax()

second
1    (c, 1)
2    (a, 2)
3    (a, 3)

Answer 2

或者你可以试试这个..

df.stack().loc['feature2'].stack().groupby(level='second').apply(lambda x : x[x==x.max()])
Out[805]: 
second  second  first
1       1       c        0.737995
2       2       a        0.343178
3       3       a        0.729050

在多索引情况下查找最大值的Dataframe列的出现

2 个答案: