각 행의 최대 값을 가진 열 이름을 찾습니다.

122

다음과 같은 DataFrame이 있습니다.

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

여기에서 각 행에 대해 최대 값을 가진 열 이름을 얻는 방법을 묻고 싶습니다. 원하는 출력은 다음과 같습니다.

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

— 마르코프자인
소스

164

idxmaxwith axis=1를 사용 하여 각 행에서 가장 큰 값을 가진 열을 찾을 수 있습니다 .

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

새 열 'Max'를 만들려면 df['Max'] = df.idxmax(axis=1).

각 열에서 최대 값이 발생 하는 행 인덱스 를 찾으려면 df.idxmax()(또는 동등하게 df.idxmax(axis=0))를 사용하십시오.

— 알렉스 라일리
소스

@SushantKulkarni 어떻게하면 top-1이 아닌 top-3 확률을 얻을 수 있었습니까?

— Stergios

# 모든 accountsproba = lr.predict_proba (TFIDF) MLR_y_p = pd.DataFrame 대한 확률 계산 (proba 열 np.unique = (Y), 인덱스 = df.Key.tolist ())

— Sushant Kulkarni

25

그리고 최대 값을 가진 열 이름이 포함 된 열을 생성하지만 열의 하위 집합 만 고려하는 경우 @ajcr의 답변 변형을 사용합니다.

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

— user1718097
소스

5

하위 집합을 제외한 모든 열을 제외하려는 경우df['Max'] = df[df.columns.difference(['Foo','Bar'])].idxmax(axis=1)

— floatingpurr

9

apply데이터 프레임에서 다음을 argmax()통해 각 행을 가져올 수 있습니다 .axis=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

다음 apply은 방법이 얼마나 느린 지 비교하는 벤치 마크 idxmax()입니다.len(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

— 제로
소스