获取比较多个列的最大值并返回特定值

Question

我有一个像这样的数据框：

Sequence    Duration1   Value1  Duration2   Value2  Duration3   Value3
1001        145         10      125         53      458         33
1002        475         20      175         54      652         45
1003        685         57      687         87      254         88
1004        125         54      175         96      786         96
1005        475         21      467         32      526         32
1006        325         68      301         54      529         41
1007        125         97      325         85      872         78
1008        129         15      429         41      981         82
1009        547         47      577         52      543         83
1010        666         65      722         63      257         87

我想在（Duration1，Duration2，Duration3）中找到Duration的最大值，然后返回相应的Value＆Sequence。

我想要的输出：

Sequence,Duration3,Value3
1008,    981,      82

Answer 1

请尝试以下基于Numpy的相当简短的代码：

vv = df.iloc[:, 1::2].values
iRow, iCol = np.unravel_index(vv.argmax(), vv.shape)
iCol = iCol * 2 + 1
result = df.iloc[iRow, [0, iCol, iCol + 1]]

结果是一个Series：

Sequence     1008
Duration3     981
Value3         82
Name: 7, dtype: int64

如果要“修复”它（第一个索引值，然后是实际值），则可以执行以下操作：

pd.DataFrame([result.values], columns=result.index)

Answer 2

不使用numpy魔法：

• 首先，其他人有一些非常好的解决方案。
• 数据将是问题中提供的数据，如 df

# find the max value in the Duration columns
max_value = max(df.filter(like='Dur', axis=1).max().tolist())

# get a Boolean match of the dataframe for max_value
df_max = df[df == mv]

# get the row index
max_index = df_max.dropna(how='all').index[0]

# get the column name
max_col = df_max.dropna(axis=1, how='all').columns[0]

# get column index
max_col_index = df.columns.get_loc(max_col)

# final
df.iloc[max_index, [0, max_col_index, max_col_index + 1]]

输出：

Sequence     1008
Duration3     981
Value3         82
Name: 7, dtype: int64

更新

• 昨晚，实际上是凌晨 4 点，我驳回了一个更好的解决方案，因为我太累了。
  • 我用max_value = max(df.filter(like='Dur', axis=1).max().tolist()), 返回Duration列中的最大值
  • 而不是max_col_name = df.filter(like='Dur', axis=1).max().idxmax()，返回出现最大值的列名
  • 我这样做是因为我麻木的大脑告诉我我返回的是列名的最大值，而不是列中的最大值。例如：

test = ['Duration5', 'Duration2', 'Duration3']
print(max(test))
>>> 'Duration5'

• 这就是为什么过度疲劳是一个糟糕的解决问题的条件
• 借助睡眠和咖啡，更高效的解决方案
  • 与其他人类似，在使用 idmax

新的和改进的解决方案：

# column name with max duration value
max_col_name = df.filter(like='Dur', axis=1).max().idxmax()

# index of max_col_name
max_col_idx =df.columns.get_loc(max_col_name)

# row index of max value in max_col_name
max_row_idx = df[max_col_name].idxmax()

# output with .loc
df.iloc[max_row_idx, [0, max_col_idx, max_col_idx + 1 ]]

输出：

Sequence     1008
Duration3     981
Value3         82
Name: 7, dtype: int64

使用的方法：

• pandas.DataFrame.max
• pandas.DataFrame.filter
• pandas.DataFrame.idxmax
• pandas.Index.get_loc
• pandas.DataFrame.iloc

Answer 3

有了宽数据，使用进行重塑会更容易wide_to_long。这将创建2列['Duration', 'Value']，并且MultiIndex会告诉我们它是哪个数字。不依赖任何特定的列顺序。

import pandas as pd

df = pd.wide_to_long(df, i='Sequence', j='num', stubnames=['Duration', 'Value'])
df.loc[[df.Duration.idxmax()]]

              Duration  Value
Sequence num                 
1008     3         981     82