根据其他列中的最大值填充列（python pandas）

Question

我有一个包含每列（A，B，C）中的值的表。 我想用具有最大值的列的名称创建另一列（max_col）。因此，如果A列大于B或C，则填充“A”。

下面的代码有效，但在很多不同的列可供选择的情况下，它不是非常“pythonic”或可伸缩的。

import pandas as pd 
import numpy as np 

table = { 'A': [1,2,3,4,5,6], 
      'B':[2,4,1,5,3,8], 
      'C':[3,1,2,4,5,6]} 

df = pd.DataFrame.from_dict(table) 
df['total'] = df.max(axis=1) 
df['max_col'] = np.nan 

df['max_col'] = np.where(df['total'] == df['A'],'A',df['max_col']) 
df['max_col'] = np.where(df['total'] == df['B'],'B',df['max_col']) 
df['max_col'] = np.where(df['total'] == df['C'],'C',df['max_col']) 

df 

此外，该代码被朝最后一列偏压被检查，在第5行的情况下，A和C值是相同的，但“max_col”被填充以“C”，因为它是最后被检查。理想情况下，'max_col'在这种情况下会填充'No Max'。

Answer 1

使用DataFrame.idxmax获取最大值的列。

但是，如果有多个最大值，得到的布尔面具与max比较所有值，然后总结True秒 - >True s为像1 S程序。因此，对于最终的掩码获得更大的值，如1。

df['max_col'] = np.where(df.eq(df.max(axis=1), axis=0).sum(axis=1) > 1, 
         'No Max', 
         df.idxmax(axis=1)) 
print (df) 
    A B C max_col 
0 1 2 3  C 
1 2 4 1  B 
2 3 1 2  A 
3 4 5 4  B 
4 5 3 5 No Max 
5 6 8 6  B 

详情：

print (df.eq(df.max(axis=1), axis=0)) 
     A  B  C 
0 False False True 
1 False True False 
2 True False False 
3 False True False 
4 True False True 
5 False True False 

print (df.eq(df.max(axis=1), axis=0).sum(axis=1)) 
0 1 
1 1 
2 1 
3 1 
4 2 
5 1 
dtype: int64 

print (df.idxmax(axis=1)) 
0 C 
1 B 
2 A 
3 B 
4 A 
5 B 
dtype: object 

与numpy的广播类似的解决方案：

arr = df.values 
mask = (arr == arr.max(axis=1)[:, None]).sum(axis=1) > 1 
df['max_col'] = np.where(mask, 'No Max', df.idxmax(axis=1)) 
print (df) 
    A B C max_col 
0 1 2 3  C 
1 2 4 1  B 
2 3 1 2  A 
3 4 5 4  B 
4 5 3 5 No Max 
5 6 8 6  B 

编辑的评论：

cols = ['A','B'] 
df['max_col'] = np.where(df[cols].eq(df[cols].max(axis=1), axis=0).sum(axis=1) > 1, 
         'No Max', 
         df[cols].idxmax(axis=1)) 
print (df) 
    A B C max_col 
0 1 2 3  B 
1 2 4 1  B 
2 3 1 2  A 
3 4 5 4  B 
4 5 3 5  A 
5 6 8 6  B 

0123：

您可以通过子集过滤列