python - 如何使用 idxmax 输出对 pandas 数据框列进行子集化？

Question

我有一个 Pandas 数据框:

import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randint(0,40,size=(10,4)), columns=range(4), index = range(10))
df.head()

    0   1   2   3
0  27  10  13  21
1  25  12  23   8
2   2  24  24  34
3  10  11  11  10
4   0  15   0  27

我正在使用 idxmax 函数来获取包含最大值的列。

df_max = df.idxmax(1)
df_max.head()

0    0
1    0
2    3
3    1
4    3

我如何使用 df_max 和 df，创建一个时间序列值对应于 df 每一行中的最大值?这是我想要的输出:

0    27
1    25
2    34
3    11
4    27
5    37
6    35
7    32
8    20
9    38

我知道我可以使用 df.max(1) 实现这一点，但我想知道如何使用 df_max 获得相同的输出，因为我想要能够将 df_max 应用于与 df 共享相同列和索引(但值不同)的其他矩阵(不是 df) .

Answer 1

你可以试试df.lookup

df.lookup(df_max.index, df_max)

Out[628]: array([27, 25, 34, 11, 27], dtype=int64)

如果需要 Series/DataFrame，将输出传递给 Series/DataFrame 构造函数

pd.Series(df.lookup(df_max.index, df_max), index=df_max.index)

Out[630]:
0    27
1    25
2    34
3    11
4    27
dtype: int64