Question

这是一个更大df_data 1000 x 150

的简单版本

Date            A   B   C   D        A'  B' C'  D'
31/01/2017      47  15  45  40       10  7  12   8
28/02/2017      22  34  28  13        3  2  26   4
31/03/2017      25  12  13  47        1  5   6  59

基本问题是需要排列A，B，C，D行，并使用最大/最小标准在A'，B'，C'，D'列中找到相应的行值

需要关注。

（1）找到每个日期（行）的n个最高值和n个最低值。我们假设这里n = 2。（2）条件来自（1）的最小值/最大值使用相关列标题来查找与A'，B，C'，D'不同的列在同一行中的对应值（在相同的df或不同的df中具有完全相同的日期索引）

假设A，B，C，D与A'，B'，C'，D'之间存在1-1映射

期望的结果：

31/01/2017: max1 = 10, max2 =12 ; min1 = 7, min2 = 8
28/02/2017: max1 =  2, max2 =26 ; min1 = 4, min2 = 3
31/03/2017: max1 = 59, max2 = 1 ; min1 = 5, min2 = 6

我可以使用

找到最大值

df_data [["A","B","C","D"]].apply(lambda row: np.max(row),axis=1)

但是如何在iloc或其他方式中使用.apply函数来查找该最大值的col标头（索引）？（我在.argsort数组中尝试过numpy但无法到达任何地方）

另外，如何使用n或n在每行（n > 1）中找到最高rank和最低sort值？我尝试按顺序对行进行排序（降序）

df_data.values.sort
df_data = df_data.iloc[:,::-1]

这似乎有效，但我的最终目标是找到A'，B'，C'，D'列中的值

抱歉，如果有点长。

Answer 1

我使用Numpy Fancy Indexing。

第一步是确定A，B，C，D列中最大元素的索引。 np.argmax可行，但您提到要查找最小，第二大，第二小等，请使用np.argsort。

>>> idxs = df['A B C D'.split()].apply(np.argsort, axis=1).values

在您的示例中idxs是：

array([[1, 3, 2, 0],
       [3, 0, 2, 1],
       [1, 2, 0, 3]], dtype=int64)

idxs的第一列是A，B，C，D列中最小元素的索引。也就是说，df.iloc[0, 1]是15，是第一行中的最小元素。 df.iloc[1, 3]是13，是第二行中的最小元素。等idxs的第二列是第二列的索引。 idxs的最后一列是最大元素的索引。

我们将此用于Numpy Fancy Indexing到A'，B'，C'，D'列。为此，我们使用两个数组来下标二维数组。第一个数组是行索引，第二个数组是每行中所需的列。

>>> df[["A'", "B'", "C'", "D'"]].values[np.arange(nrow), idxs[:, -1]]

由于我们使用idxs的最后一列，因此我们选择列A，B，C，D中最大项的索引来自A'，B'，C'，D'列。结果是

array(['10', '2', '59'], dtype=object)

根据需要。

选择与最小用途相对应的元素

>>> df[["A'", "B'", "C'", "D'"]].values[np.arange(nrow), idxs[:, 0]]
array(['7', '4', '5'], dtype=object)

根据行max定位条件列值

1 个答案: