Trouvez le nom de la colonne qui a la valeur maximale pour chaque ligne

123

J'ai un DataFrame comme celui-ci:

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

Ici, je veux demander comment obtenir le nom de la colonne qui a la valeur maximale pour chaque ligne, la sortie souhaitée est comme ceci:

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
source

164

Vous pouvez utiliser idxmaxavec axis=1pour rechercher la colonne avec la plus grande valeur sur chaque ligne:

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

Pour créer la nouvelle colonne «Max», utilisez df['Max'] = df.idxmax(axis=1).

Pour trouver l' index de ligne auquel la valeur maximale se produit dans chaque colonne, utilisez df.idxmax()(ou de manière équivalente df.idxmax(axis=0)).

— Alex Riley
source

@SushantKulkarni Comment avez-vous réussi à obtenir les 3 meilleures probabilités au lieu du top 1?

— Stergios

# Calcul des probabilités pour tous les comptesproba = lr.predict_proba (tfidf) MLR_y_p = pd.DataFrame (proba, columns = np.unique (y), index = df.Key.tolist ())

— Sushant Kulkarni

26

Et si vous souhaitez produire une colonne contenant le nom de la colonne avec la valeur maximale mais en ne considérant qu'un sous-ensemble de colonnes, vous utilisez une variante de la réponse de @ ajcr:

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

— user1718097
source

5

Si vous souhaitez exclure toutes les colonnes à l'exception d'un sousdf['Max'] = df[df.columns.difference(['Foo','Bar'])].idxmax(axis=1)

— floatingpurr

9

Vous pouvez applysur dataframe et obtenir argmax()de chaque ligne viaaxis=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

Voici une référence pour comparer la lenteur applyméthode consiste à idxmax()pourlen(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

— Zéro
source