Question

我试图获取在max_val收敛的列和行的行和列标签。本质上，我正在衡量从一个列条目到另一个列条目的增长率。

def find_max(area):
    # YOUR CODE HERE
    data=pd.read_csv('Canada.csv')
    df = pd.DataFrame(data)

    #case insensitive
    prov_lower = province.lower()
    data['province'] = df['province'].astype(str).str.lower()

    #get percent change
    if prov_lower in data['province'].values:
        data=data[data['province']==province]
        df_match_pct=data[data.columns[3:-1]].diff(axis='columns').abs()

        #find max
        max_val=df_match_pct.max()
        max_val=max_val.max()

        #select column and row of max value
        c_r = df_match_pct.iloc[0:9] == max_val and df_match_pct[df_match_pct.iloc[0:9] == max_val]
        #how to get the column and row label of this?

    else:
        raise ValueError()

    return max_val,c_r



find_max('alberta')

我希望获得分类为“艾伯塔省”的数据的列与其对应的行（特定区域位置）之间的差的最大值，以及导致这一变化的年份（记录最大变化的两年）

Answer 1

IIUC，您可以使用numpy.argwhere：

<div id="options"></div>
<div id="info"></div>

或者，如果您需要实际的索引和列标签，请使用：

c_r = [(c, r) for r, c in  np.argwhere(df_match_pct.values == max_val)][0]

或者，您可以链接DataFrame.eq和DataFrame.idxmax()方法：

c_r = [(df_match_pct.index[c], df_match_pct.columns[r]) for r, c in  np.argwhere(df_match_pct.values == max_val)][0]

获取数据框中特定数据点的行和列标签

1 个答案: