查找每行中具有最大值的列名

问题描述：

我有一个像这样的数据框：

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

我想创建一个由每行最大值的列标签组成的新列。所需的输出如下：

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 

解决方案 1：

您可以使用idxmaxwithaxis=1来查找每行中值最大的列：

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

要创建新列“Max”，请使用df['Max'] = df.idxmax(axis=1)。

要查找每列中出现最大值的行df.idxmax()索引，请使用（或等效地df.idxmax(axis=0)）。

解决方案 2：

如果您想要生成一个包含最大值列名称的列，但只考虑列的子集，那么您可以使用@ajcr 答案的变体：

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

解决方案 3：

您可以apply在数据框上argmax()通过以下方式获取每一行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

下面是一个基准，用于比较apply方法的idxmax()运行速度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

解决方案 4：

另一种解决方案是标记每行最大值的位置并获取相应的列名。具体来说，如果多列包含某些行的最大值，并且您希望返回每行包含最大值的所有列名，则此解决方案非常有效：1

代码：

# look for the max values in each row
mxs = df.eq(df.max(axis=1), axis=0)
# join the column names of the max values of each row into a single string
df['Max'] = mxs.dot(mxs.columns + ', ').str.rstrip(', ')

稍微变化一下：如果您想在多列包含最大值时
随机选择一列：

代码：

mxs = df.eq(df.max(axis=1), axis=0)
df['Max'] = mxs.where(mxs).stack().groupby(level=0).sample(n=1).index.get_level_values(1)

您还可以通过选择列来对特定列执行此操作：

# for column names of max value of each row
cols = ['Communications', 'Search', 'Business']
mxs = df[cols].eq(df[cols].max(axis=1), axis=0)
df['max among cols'] = mxs.dot(mxs.columns + ', ').str.rstrip(', ')

1：idxmax(1)如果多个列的最大值相同，则仅返回具有最大值的第一个列名，根据用例，这可能不是理想的选择。此解决方案具有通用性idxmax(1)；特别是，如果每行的最大值都是唯一的，则它与idxmax(1)解决方案相匹配。

解决方案 5：

使用 numpy argmax 速度非常快。我在一个包含 3,744,965 行的数据框中进行了测试，耗时 103 毫秒。

%timeit df.idxmax(axis=1)
7.67 s ± 28.2 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit df.columns[df.to_numpy().argmax(axis=1)]
103 ms ± 355 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)