Trova il nome della colonna che ha il valore massimo per ogni riga

123

Ho un DataFrame come questo:

In [7]:
frame.head()
Out[7]:
Communications and Search   Business    General Lifestyle
0   0.745763    0.050847    0.118644    0.084746
0   0.333333    0.000000    0.583333    0.083333
0   0.617021    0.042553    0.297872    0.042553
0   0.435897    0.000000    0.410256    0.153846
0   0.358974    0.076923    0.410256    0.153846

Qui, voglio chiedere come ottenere il nome della colonna che ha il valore massimo per ogni riga, l'output desiderato è così:

In [7]:
    frame.head()
    Out[7]:
    Communications and Search   Business    General Lifestyle   Max
    0   0.745763    0.050847    0.118644    0.084746           Communications 
    0   0.333333    0.000000    0.583333    0.083333           Business  
    0   0.617021    0.042553    0.297872    0.042553           Communications 
    0   0.435897    0.000000    0.410256    0.153846           Communications 
    0   0.358974    0.076923    0.410256    0.153846           Business

— markov zain
fonte

164

Puoi usare idxmaxcon axis=1per trovare la colonna con il valore più grande su ogni riga:

>>> df.idxmax(axis=1)
0    Communications
1          Business
2    Communications
3    Communications
4          Business
dtype: object

Per creare la nuova colonna "Max", utilizza df['Max'] = df.idxmax(axis=1).

Per trovare l' indice di riga in cui si verifica il valore massimo in ciascuna colonna, utilizzare df.idxmax()(o in modo equivalente df.idxmax(axis=0)).

— Alex Riley
fonte

@SushantKulkarni Come sei riuscito a ottenere le prime 3 probabilità invece delle prime 1?

— Stergios

# Calcolo delle probabilità per tutti gli accountproba = lr.predict_proba (tfidf) MLR_y_p = pd.DataFrame (proba, colonne = np.unique (y), index = df.Key.tolist ())

— Sushant Kulkarni

26

E se vuoi produrre una colonna contenente il nome della colonna con il valore massimo ma considerando solo un sottoinsieme di colonne, allora usi una variazione della risposta di @ ajcr:

df['Max'] = df[['Communications','Business']].idxmax(axis=1)

— user1718097
fonte

5

Se desideri escludere tutte le colonne tranne un sottoinsiemedf['Max'] = df[df.columns.difference(['Foo','Bar'])].idxmax(axis=1)

— floatingpurr

9

Potresti applysu dataframe e ottenere argmax()ogni riga tramiteaxis=1

In [144]: df.apply(lambda x: x.argmax(), axis=1)
Out[144]:
0    Communications
1          Business
2    Communications
3    Communications
4          Business
dtype: object

Ecco un punto di riferimento per confrontare quanto lento applymetodo è quello idxmax()dilen(df) ~ 20K

In [146]: %timeit df.apply(lambda x: x.argmax(), axis=1)
1 loops, best of 3: 479 ms per loop

In [147]: %timeit df.idxmax(axis=1)
10 loops, best of 3: 47.3 ms per loop

— Zero
fonte