python - 将 .iterrows() 与 series.nlargest() 结合使用以获取 Dataframe 中一行中的最高数字

Question

我正在尝试创建一个使用 df.iterrows() 和 Series.nlargest 的函数。我想遍历每一行并找到最大的数字，然后将其标记为 1。这是数据框:

A   B    C
9   6    5
3   7    2

这是我希望得到的输出:

A    B   C
1    0   0
0    1   0

这是我想在这里使用的功能:

def get_top_n(df, top_n):
    """


    Parameters
    ----------
    df : DataFrame

    top_n : int
        The top number to get
    Returns
    -------
    top_numbers : DataFrame
    Returns the top number marked with a 1

    """
    # Implement Function
    for row in df.iterrows():
        top_numbers = row.nlargest(top_n).sum()

    return top_numbers

我收到以下错误:AttributeError: 'tuple' 对象没有属性 'nlargest'

对于如何以更简洁的方式重写我的函数并实际工作，我们将不胜感激!提前致谢

Answer 1

添加i变量，因为iterrows为每一行返回带有 Series 的索引:

for i, row in df.iterrows():
    top_numbers = row.nlargest(top_n).sum()

通用解决方案 numpy.argsort职位 descending order ，然后比较 bool 数组并将其转换为整数:

def get_top_n(df, top_n):
    if top_n > len(df.columns):
        raise ValueError("Value is higher as number of columns")
    elif not isinstance(top_n, int):
        raise ValueError("Value is not integer")

    else:
        arr = ((-df.values).argsort(axis=1) < top_n).astype(int)
        df1 = pd.DataFrame(arr, index=df.index, columns=df.columns)
        return (df1)

df1 = get_top_n(df, 2)
print (df1)
   A  B  C
0  1  1  0
1  1  1  0

df1 = get_top_n(df, 1)
print (df1)
   A  B  C
0  1  0  0
1  0  1  0

编辑:

iterrows 的解决方案是可能的，但不推荐，因为速度慢:

top_n = 2
for i, row in df.iterrows():
    top = row.nlargest(top_n).index
    df.loc[i] = 0
    df.loc[i, top] = 1

print (df)
   A  B  C
0  1  1  0
1  1  1  0