返回行中的最大值

Question

我有一个带有 % 值的数据框。我想编写一个函数，该函数连续返回每行最高百分比的列名。例如：

输入数据框：

Customer ID          Grapes        Oranges       Apples         Bananas     
12345                12.131        39.123        97.847         18.442
67890                11.111        1.111         100.000        40.941

输出数据框：

Customer ID          Rec 1         Rec 2         Rec 3          Rec 4       ...
12345                Apples        Oranges       Bananas        Grapes
67890                Apples        Bananas       Grapes         Oranges
...

我希望此函数适用于 N 行和列，因为数据帧会定期更新/附加。在某种程度上可以做到这一点的任何想法/内置功能？像按行的降序方法？

Answer 1

如果性能很重要，请使用numpy.argsort：

N = 4
df = df.set_index('Customer ID')
df1 = pd.DataFrame(df.columns[np.argsort(-df.values, axis=1)[:, :N]], 
                               index=df.index)

df1 = df1.rename(columns=lambda x: 'Rec {}'.format(x + 1))
print (df1)

              Rec 1    Rec 2    Rec 3    Rec 4
Customer ID                                   
12345        Apples  Oranges  Bananas   Grapes
67890        Apples  Bananas   Grapes  Oranges

---

N = 2
df = df.set_index('Customer ID')
df1 = pd.DataFrame(df.columns[np.argsort(-df.values, axis=1)[:, :N]], 
                               index=df.index)

df1 = df1.rename(columns=lambda x: 'Rec {}'.format(x + 1))
print (df1)

              Rec 1    Rec 2
Customer ID                 
12345        Apples  Oranges
67890        Apples  Bananas

详情：

print ((np.argsort(-df.values, axis=1)[:, :N]))
[[2 1 3 0]
 [2 3 0 1]]

print (df.columns[np.argsort(-df.values, axis=1)[:, :N]])
Index([['Apples', 'Oranges', 'Bananas', 'Grapes'],
       ['Apples', 'Bananas', 'Grapes', 'Oranges']], dtype='object')

Answer 2

将melt 与pivot 一起使用

newdf=df.melt('CustomerID').sort_values(['value'],ascending=False)
newdf.assign(key=newdf.groupby(['CustomerID']).cumcount()+1).pivot(index='CustomerID',columns='key',values='variable')
Out[96]: 
key              1        2        3        4
CustomerID                                   
12345       Apples  Oranges  Bananas   Grapes
67890       Apples  Bananas   Grapes  Oranges