Encuentre el nombre de la columna que tiene el valor máximo para cada fila

123

Tengo un DataFrame como este:

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

Aquí, quiero preguntar cómo obtener el nombre de la columna que tiene el valor máximo para cada fila, la salida deseada es así:

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
fuente

164

Puede usar idxmaxcon axis=1para encontrar la columna con el mayor valor en cada fila:

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

Para crear la nueva columna 'Max', use df['Max'] = df.idxmax(axis=1).

Para encontrar el índice de fila en el que se produce el valor máximo en cada columna, utilice df.idxmax()(o de forma equivalente df.idxmax(axis=0)).

— Alex Riley
fuente

@SushantKulkarni ¿Cómo se las arregló para obtener las probabilidades de los 3 primeros en lugar del 1?

— Stergios

# Cálculo de las probabilidades para todos accountsproba = lr.predict_proba (TFIDF) MLR_y_p = pd.DataFrame (Proba, columnas = np.unique (y), índice = df.Key.tolist ())

— Sushant Kulkarni

26

Y si desea producir una columna que contenga el nombre de la columna con el valor máximo pero considerando solo un subconjunto de columnas, use una variación de la respuesta de @ ajcr:

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

— usuario1718097
fuente

5

Si desea excluir todas las columnas excepto un subconjuntodf['Max'] = df[df.columns.difference(['Foo','Bar'])].idxmax(axis=1)

— floatingpurr

9

Puede applyen el marco de datos y obtener argmax()cada fila a través deaxis=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

Aquí hay un punto de referencia para comparar qué tan lento applyes el método idxmax()paralen(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

— Cero
fuente