Question

原始数据框：

应转换为：

如您所见，我将每一行的最大值设为1，然后将该行中的其他值设为0。此外，您还会注意到该行3保持相同，因为它们都等于0。

因此，我已经能够使用以下方法提取最大值的索引：

x.idxmax(axis = 1)

但是我不确定如何处理最大索引。我正在考虑使用np.where，但没有可以使用的条件语句。还是我想。

任何帮助将不胜感激。

Answer 1

首先，找到数据框中具有非零行的部分。然后找到最大值并将它们与矩阵进行比较：

affected = (df != 0).any(axis=1)
nz = df[affected]
df[affected] = (nz.T == nz.max(axis=1)).T.astype(int)
#    x  y  z
#0   0  1  0
#1   0  0  1
#2   1  0  0
#3   0  0  0

Answer 2

使用：

df.eq(df.where(df != 0).max(1), axis=0).astype(int)

其中df

      x    y    z
ix               
0   3.0  4.0  1.0
1   2.0  1.0  6.0
2   7.0  1.0  6.0
3   0.0  0.0  0.0
4   4.0  0.0  4.0

输出：

    x  y  z
ix         
0   0  1  0
1   0  0  1
2   1  0  0
3   0  0  0
4   1  0  1

另一种方法使用rank：

df.where(df!=0).rank(1, ascending=False, method='dense').eq(1).astype(int)

输出：

    x  y  z
ix         
0   0  1  0
1   0  0  1
2   1  0  0
3   0  0  0
4   1  0  1

Answer 3

一种相当不雅的方法是：

(df.T.max() == df.T).T.astype(int)

这里，我们计算行方向最大值，然后将其与值进行比较（将其设置为True / False），接下来将其转换为{{1 }}。

这将生成：

int

>>> (df.T.max() == df.T).T.astype(int) a b c 0 0 1 0 1 0 0 1 2 1 0 0是必需的，因为否则将计算出 columnwise 的最大值。

或者就像@AChampion所说的那样，我们可以使用.T计算行向最大值，然后使用.max(axis=1)来计算行的相等性。喜欢：

df.eq(..)

编辑：仅更新非零行

例如，我们可以使用屏蔽来防止将此类值分配给零行。例如：

>>> df.eq(df.max(axis=1), axis=0).astype(int)
   a  b  c
0  0  1  0
1  0  0  1
2  1  0  0

例如：

fl = (df != 0).any(axis=1)
df[fl] = df[fl].eq(df[fl].max(axis=1), axis=0).astype(int)

Answer 4

您可以链接两个replace操作

df.replace({k: [x for x in v if x!=v.max()] for k,v in df.items()}, 0).\
   replace({k: v.max() for k,v in df.items()}, 1)

如果数据框行设置为1，其余值设置为0，如何设置最大值

4 个答案: