相关疑难解决方法(0)

我有一个dictionary:键是字符串,值是整数.

例:

stats = {'a':1000, 'b':3000, 'c': 100}

我想得到'b'一个答案,因为它是具有更高价值的关键.

我使用具有反向键值元组的中间列表执行以下操作:

inverse = [(value, key) for key, value in stats.items()]
print max(inverse)[1]

这是一个更好(或更优雅)的方法吗？

我在熊猫中有以下DF.

+-------+-------+
| Col_A | Col_B |
+-------+-------+
|  1234 |       |
|  6267 |       |
|  6364 |       |
|   573 |       |
|     0 |       |
|   838 |       |
|    92 |       |
|  3221 |       |
+-------+-------+

Col_B应该填充True或False值.默认情况下,它是False,但是当第一个0被"看到"时,DF的其余部分应为True.DF有超过10万行.

由于Col_A中的第一个"0"值出现,因此将col_B中的值设置为"True"的最快方法是什么？

+-------+--------+
| Col_A | Col_B  |
+-------+--------+
|  1234 | False  |
|  6267 | False  |
|  6364 | False  |
|   573 | False  |
|     0 | True   |
|   838 | True   | …

我numpy.argmax用来计算True可以在布尔向量中找到的第一个索引。调用a pandas.Series给我系列索引，而不是元素索引。

我在代码中发现了一个细微的错误，当向量全为False时就会弹出；在这种情况下返回索引0似乎很危险，因为True很可能是True在第一个元素中的情况。此返回值的设计选择是什么？

>>> numpy.argmax([False,False,False])
0
>>> numpy.argmax([True, False, True])
0

>>> s = pandas.Series( [ False, False, False ] , index=[3,6,9] )
>>> numpy.argmax(s)
3
>>> s1 = pandas.Series( [ True, False, False ] , index=[3,6,9] )
>>> numpy.argmax(s1)
3

我有一本字典wrong_names、一个熊猫系列df['name']和一个空列表i_list。

我想遍历df['name']，如果名称在 中wrong_names.keys()，我想将该元素的索引附加df到i_list. 这是我到目前为止所拥有的：

i_list = []
for pup in df['name']:
    if pup in wrong_names.keys():
    i_list.append(df.index.get_loc(pup))
i_list

我已经看过 .get_loc 文档（pup 是正确的论点吗？），以及这些 SO 问题：

在 DataFrame 索引中查找标签位置

在熊猫系列中查找元素的索引

当我要求它做的只是附加pup到 时i_list，代码工作正常，所有迹象表明循环正确识别何时pup也是字典中的键，

i_list = []
for pup in df['name']:
    if pup in wrong_names.keys():
    i_list.append(pup)
i_list

但我无法获得索引列表，这是我下一步所需要的。提前致谢。