Encontre o nome da coluna que tem o valor máximo para cada linha

122

Tenho um 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

Aqui, eu quero perguntar como obter o nome da coluna que tem valor máximo para cada linha, a saída desejada é assim:

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
fonte

Respostas:

164

Você pode usar idxmaxcom axis=1para encontrar a coluna com o maior valor em cada linha:

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

Para criar a nova coluna 'Máx', use df['Max'] = df.idxmax(axis=1).

Para encontrar o índice da linha em que o valor máximo ocorre em cada coluna, use df.idxmax()(ou equivalente df.idxmax(axis=0)).

Alex Riley
fonte
@SushantKulkarni Como você conseguiu obter as 3 maiores probabilidades em vez das 1?
Stergios
# Computando probabilidades para todas as contasproba = lr.predict_proba (tfidf) MLR_y_p = pd.DataFrame (proba, colunas = np.unique (y), index = df.Key.tolist ())
Sushant Kulkarni
25

E se você quiser produzir uma coluna contendo o nome da coluna com o valor máximo, mas considerando apenas um subconjunto de colunas, então você usa uma variação da resposta de @ ajcr:

df['Max'] = df[['Communications','Business']].idxmax(axis=1)
user1718097
fonte
5
Se você deseja excluir todas as colunas, exceto um subconjuntodf['Max'] = df[df.columns.difference(['Foo','Bar'])].idxmax(axis=1)
floatingpurr
9

Você poderia applyno dataframe e obter argmax()de cada linha 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

Aqui está uma referência para comparar o quão lento applyé o 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
Zero
fonte