python-3.x - 根据其他列的最大值选择列中的值

Question

我正在选择 Pandas DataFrame 中的值。
我想根据列的比率('One_R'、'Two_R'、'Three_R')选择列'One_T'、'Two_T'、'Three_T'(这意味着总计数)中的值。

比较值由列 ('One_R','Two_R','Three_R') 完成，选择值将由列 ('One_T','Two_T','Three_T') 完成。

我想在列('One_R'、'Two_R'、'Three_R')中找到最高值，并将列 'One_T'、'Two_T'、'Three_T' 中的值放在新列 'Highest' 中。

例如，第一行在 One_R 中的值高于 Two_R 和 Three_R。
然后，One_T 中的值将填充名为 Highest 的列。

初始数据框是测试 下面的代码和所需的结果是 结果 在下面的代码中。

test = pd.DataFrame([[150,30,140,20,120,19],[170,31,130,30,180,22],[230,45,100,50,140,40],
                    [140,28,80,10,60,10],[100,25,80,27,50,23]], index=['2019-01-01','2019-02-01','2019-03-01','2019-04-01','2019-05-01'],
                   columns=['One_T','One_R','Two_T','Two_R','Three_T','Three_R'])

 One_T  One_R   Two_T   Two_R   Three_T Three_R
2019-01-01  150 30  140 20  120 19
2019-02-01  170 31  130 30  180 22
2019-03-01  230 45  100 50  140 40
2019-04-01  140 28  80  10  60  10
2019-05-01  100 25  80  27  50  23

result = pd.DataFrame([[150,30,140,20,120,19,150],[170,31,130,30,180,22,170],[230,45,100,50,140,40,100],
                    [140,28,80,10,60,10,140],[100,25,80,27,50,23,80]], index=['2019-01-01','2019-02-01','2019-03-01','2019-04-01','2019-05-01'],
                   columns=['One_T','One_R','Two_T','Two_R','Three_T','Three_R','Highest'])

One_T   One_R   Two_T   Two_R   Three_T Three_R Highest
2019-01-01  150 30  140 20  120 19  150
2019-02-01  170 31  130 30  180 22  170
2019-03-01  230 45  100 50  140 40  100
2019-04-01  140 28  80  10  60  10  140
2019-05-01  100 25  80  27  50  23  80

有没有办法做到这一点？

感谢您的时间和考虑。

Answer 1

您可以使用 df.filter 解决此问题选择带有 _R 的列后缀，然后 idxmax .然后替换_R与 _T并使用 df.lookup :

s = test.filter(like='_R').idxmax(1).str.replace('_R','_T')
test['Highest'] = test.lookup(s.index,s)
print(test)

            One_T  One_R  Two_T  Two_R  Three_T  Three_R  Highest
2019-01-01    150     30    140     20      120       19      150
2019-02-01    170     31    130     30      180       22      170
2019-03-01    230     45    100     50      140       40      100
2019-04-01    140     28     80     10       60       10      140
2019-05-01    100     25     80     27       50       23       80