如果我有一个 Python Pandas DataFrame,其中分别包含两列人员和序列,例如:
people sequence
John 1
Rob 2
Bob 3
如何返回序列最大的人?在这个例子中,我想返回 'Bob'
请您参考如下方法:
pandas.Series.idxmax
是告诉你最大值出现的索引值的方法。
然后用它来获取另一列的值。
df.at[df['sequence'].idxmax(), 'people']
'Bob'
我喜欢评论中提供的解决方案@user3483203。我提供不同的原因是为了表明可以用更少的对象创建相同的想法。
在这种情况下,df['sequence'] 正在访问一个内部存储的对象,随后对其调用 idxmax 方法。此时,我们正在使用 at 访问器访问数据帧 df 中的特定单元格。
我们可以看到我们正在访问内部存储的对象,因为我们可以通过两种不同的方式访问它并验证它是同一个对象。
df['sequence'] is df.sequence
True
同时
df['sequence'] is df.sequence.copy()
False
另一方面,df.set_index('people') 创建了一个新对象,这很昂贵。
显然这是一个小得离谱的数据集,但是:
%timeit df.loc[df['sequence'].idxmax(), 'people']
%timeit df.at[df['sequence'].idxmax(), 'people']
%timeit df.set_index('people').sequence.idxmax()
10000 loops, best of 3: 65.1 µs per loop
10000 loops, best of 3: 62.6 µs per loop
1000 loops, best of 3: 556 µs per loop
在更大的数据集上:
df = pd.DataFrame(dict(
people=range(10000),
sequence=np.random.permutation(range(10000))
))
%timeit df.loc[df['sequence'].idxmax(), 'people']
%timeit df.at[df['sequence'].idxmax(), 'people']
%timeit df.set_index('people').sequence.idxmax()
10000 loops, best of 3: 107 µs per loop
10000 loops, best of 3: 101 µs per loop
1000 loops, best of 3: 816 µs per loop
相对差异是一致的。
