如何根据列号在嵌套列表及其索引中查找最大值？答案

【问题标题】：How to find max value in nested lists and its index, based on column number?如何根据列号在嵌套列表及其索引中查找最大值？
【发布时间】：2017-05-20 01:31:35
【问题描述】：

假设我有这个列表列表： a = [[1, 7, 2], [5, 8, 4], [6, 3, 9]]

我想在每一列中找到最大值，如下面的输出：

"Max value of column [0]": 6 (at index [2][0]) "Max value of column [1]": 8 (at index [1][1]) "Max value of column [2]": 9 (at index [2][2])

我尝试了max(enumerate(a), key=operator.itemgetter(1))，但这返回(2, [6,3,9])，就像说在其[0] 位置具有最大值的嵌套列表是位于列表a 的索引[2] 的嵌套列表。

【问题讨论】：

你还需要最大值的'坐标'吗？
如果你指的是索引，是的，因为我在另一个函数中需要它们

标签： python max nested-lists

【解决方案1】：

用zip 转置您的列表，并在每个“子元组”上调用max。

>>> a = [[1, 7, 2], [5, 8, 4], [6, 3, 9]]
>>> map(max, zip(*a))
[6, 8, 9]

【讨论】：

@RahulKP 请仅在您知道自己在做什么时才编辑帖子。 zip 返回元组列表（或 Python 3 中的元组迭代器），而不是列表。

【解决方案2】：

我真的很喜欢 @timegeb 对zip 的回答，但假设所有数组的长度相同，这是一个更手动的选择：

a = [[1, 7, 2], [5, 8, 4], [6, 3, 9]]
maxArray = []
for i in range(len(a[0])):
    maxArray.append(max([x[i] for x in a]))
print(maxArray)           # prints [6,8,9]

【讨论】：

【解决方案3】：

numpy 的解决方案，

In [27]: a = [[1, 7, 2], [5, 8, 4], [6, 3, 9]]
In [28]: import numpy as np
In [29]: an = np.array(a)
In [30]: np.max(an,axis=0)
Out[30]: array([6, 8, 9])

你想要的最终输出是list comprehension + numpy

["Max value of column [%s]: %s (at index [%s][%s])" %(np.where(an == item)[1][0],item,np.where(an == item)[0][0],np.where(an == item)[1][0]) for item in np.max(an,axis=0)]

不使用list comprehension，

for item in np.max(an,axis=0):
   indexs = np.where(an == item) 
   print "Max value of column [%s]: %s (at index [%s][%s])" %(indexs[0][0],item,indexs[0][0],indexs[1][0])

结果：

['Max value of column [0]: 6 (at index [2][0])',
 'Max value of column [1]: 8 (at index [1][1])',
 'Max value of column [2]: 9 (at index [2][2])']

【讨论】：

【解决方案4】：

pandas 救援

df = pd.DataFrame(a)
for k, i, m in  zip(df.columns, df.idxmax(), df.max()):

    print('"Max value of column [%i]": %i (at index [%i][%i]' % (k, m, k, i))

如果您想稍后重用最大值的“坐标”，您可以执行类似的操作

result = {k: (i, m,)  for k, i, m in  zip(df.columns, df.idxmax(), df.max()) }

或

result = {k: {'index': i, 'max': m,}  for k, i, m in  zip(df.columns, df.idxmax(), df.max()) }

【讨论】：

【解决方案5】：

另一种转置列表并获得最大值的方法：

a = [[1, 7, 2], [5, 8, 4], [6, 3, 9]]

[max([item[k] for item in a]) for k in range(len(a))]

【讨论】：