Encontre a linha onde os valores da coluna são máximos em um DataFrame do pandas

Como posso encontrar a linha para a qual o valor de uma coluna específica é máximo ?

df.max() vai me dar o valor máximo para cada coluna, não sei como obter a linha correspondente.

Use a idxmaxfunção pandas . É simples:

>>> import pandas
>>> import numpy as np
>>> df = pandas.DataFrame(np.random.randn(5,3),columns=['A','B','C'])
>>> df
          A         B         C
0  1.232853 -1.979459 -0.573626
1  0.140767  0.394940  1.068890
2  0.742023  1.343977 -0.579745
3  2.125299 -0.649328 -0.211692
4 -0.187253  1.908618 -1.862934
>>> df['A'].argmax()
3
>>> df['B'].argmax()
4
>>> df['C'].argmax()
1

• Como alternativa, você também pode usar numpy.argmax, como numpy.argmax(df['A'])- ele fornece a mesma coisa e aparece pelo menos tão rápido quanto idxmaxem observações superficiais.

• idxmax() retorna rótulos de índices, não números inteiros.

  • Exemplo ': se você tiver valores de sequência como seus rótulos de índice, como as linhas' a 'a' e ', convém saber que o máximo ocorre na linha 4 (não na linha' d ').
  • se você quiser a posição inteira desse rótulo dentro da etiqueta, Indexprecisará obtê-lo manualmente (o que pode ser complicado agora que rótulos de linha duplicados são permitidos).

NOTAS HISTÓRICAS:

• idxmax()costumava ser chamado argmax()antes de 0.11
• argmax foi preterido antes da 1.0.0 e removido inteiramente na 1.0.0
• de volta ao Pandas 0.16, argmaxexistia e desempenhava a mesma função (embora parecesse rodar mais lentamente que idxmax).
  • argmaxA função retornou a posição inteira no índice do local da linha do elemento máximo.
  • os pandas passaram a usar rótulos de linha em vez de índices inteiros. Os índices inteiros posicionais costumavam ser muito comuns, mais comuns que os rótulos, especialmente em aplicativos onde rótulos de linha duplicados são comuns.

Por exemplo, considere este brinquedo DataFramecom um rótulo de linha duplicado:

In [19]: dfrm
Out[19]: 
          A         B         C
a  0.143693  0.653810  0.586007
b  0.623582  0.312903  0.919076
c  0.165438  0.889809  0.000967
d  0.308245  0.787776  0.571195
e  0.870068  0.935626  0.606911
f  0.037602  0.855193  0.728495
g  0.605366  0.338105  0.696460
h  0.000000  0.090814  0.963927
i  0.688343  0.188468  0.352213
i  0.879000  0.105039  0.900260

In [20]: dfrm['A'].idxmax()
Out[20]: 'i'

In [21]: dfrm.iloc[dfrm['A'].idxmax()]  # .ix instead of .iloc in older versions of pandas
Out[21]: 
          A         B         C
i  0.688343  0.188468  0.352213
i  0.879000  0.105039  0.900260

Portanto, aqui um uso ingênuo de idxmaxnão é suficiente, enquanto a forma antiga de argmaxforneceria corretamente a localização posicional da linha máxima (neste caso, posição 9).

Esse é exatamente um daqueles tipos desagradáveis ​​de comportamentos propensos a erros em linguagens dinamicamente tipadas que tornam esse tipo de coisa tão infeliz e que vale a pena bater em um cavalo morto. Se você estiver gravando código do sistema e seu sistema for subitamente usado em alguns conjuntos de dados que não são limpos corretamente antes de ingressar, é muito fácil acabar com rótulos de linha duplicados, especialmente rótulos de string, como um identificador CUSIP ou SEDOL para ativos financeiros. Você não pode usar facilmente o sistema de tipos para ajudá-lo e talvez não consiga impor exclusividade no índice sem encontrar dados inesperadamente ausentes.

Portanto, você tem a esperança de que seus testes de unidade abranjam tudo (eles não o fizeram, ou mais provavelmente ninguém escreveu nenhum teste) - caso contrário (provavelmente), você ficará esperando para ver se está de acordo com isso. erro em tempo de execução; nesse caso, você provavelmente precisará gastar muitas horas de trabalho no banco de dados para o qual estava produzindo resultados, bater a cabeça contra a parede no IPython, tentando reproduzir manualmente o problema, finalmente descobrindo que é porque sóidxmax pode reporte o rótulo da linha máxima e, em seguida, desapontado por nenhuma função padrão obter automaticamente as posições da linha máxima para você, escrevendo você mesmo uma implementação de buggy, editando o código e rezando para que você não tenha problemas novamente.

Você também pode tentar idxmax:

In [5]: df = pandas.DataFrame(np.random.randn(10,3),columns=['A','B','C'])

In [6]: df
Out[6]: 
          A         B         C
0  2.001289  0.482561  1.579985
1 -0.991646 -0.387835  1.320236
2  0.143826 -1.096889  1.486508
3 -0.193056 -0.499020  1.536540
4 -2.083647 -3.074591  0.175772
5 -0.186138 -1.949731  0.287432
6 -0.480790 -1.771560 -0.930234
7  0.227383 -0.278253  2.102004
8 -0.002592  1.434192 -1.624915
9  0.404911 -2.167599 -0.452900

In [7]: df.idxmax()
Out[7]: 
A    0
B    8
C    7

por exemplo

In [8]: df.loc[df['A'].idxmax()]
Out[8]: 
A    2.001289
B    0.482561
C    1.579985

As duas respostas acima retornariam apenas um índice se houver várias linhas que levam o valor máximo. Se você deseja todas as linhas, parece não ter uma função. Mas não é difícil de fazer. Abaixo está um exemplo para a série; o mesmo pode ser feito para o DataFrame:

In [1]: from pandas import Series, DataFrame

In [2]: s=Series([2,4,4,3],index=['a','b','c','d'])

In [3]: s.idxmax()
Out[3]: 'b'

In [4]: s[s==s.max()]
Out[4]: 
b    4
c    4
dtype: int64

df.iloc[df['columnX'].argmax()]

argmax()forneceria o índice correspondente ao valor máximo da colunaX. ilocpode ser usado para obter a linha do DataFrame df para este índice.

A solução direta ".argmax ()" não funciona para mim.

O exemplo anterior fornecido por @ely

>>> import pandas
>>> import numpy as np
>>> df = pandas.DataFrame(np.random.randn(5,3),columns=['A','B','C'])
>>> df
      A         B         C
0  1.232853 -1.979459 -0.573626
1  0.140767  0.394940  1.068890
2  0.742023  1.343977 -0.579745
3  2.125299 -0.649328 -0.211692
4 -0.187253  1.908618 -1.862934
>>> df['A'].argmax()
3
>>> df['B'].argmax()
4
>>> df['C'].argmax()
1

retorna a seguinte mensagem:

FutureWarning: 'argmax' is deprecated, use 'idxmax' instead. The behavior of 'argmax' 
will be corrected to return the positional maximum in the future.
Use 'series.values.argmax' to get the position of the maximum now.

Para que minha solução seja:

df['A'].values.argmax()

mx.iloc[0].idxmax()

Essa linha de código fornecerá como encontrar o valor máximo de uma linha no dataframe, aqui mxestá o dataframe e iloc[0]indica o 0º índice.

O idmaxDataFrame retorna o índice de rótulo da linha com o valor máximo e o comportamento de argmaxdepende da versão de pandas(no momento, ele retorna um aviso). Se você deseja usar o índice posicional , pode fazer o seguinte:

max_row = df['A'].values.argmax()

ou

import numpy as np
max_row = np.argmax(df['A'].values)

Observe que se você usar np.argmax(df['A'])se comporta da mesma forma que df['A'].argmax().