我有一个如下的DataFrame:
X = np.array([[1.0, -20, 200, 50],
[2.0, 19, 100, 52],
[3.0, 17, -150, 55],
[4.0, 20, -120, 60],
[5.0, 21, 119, 70],
[6.0, -15, 134, -75],
[7.0, 9, 178, -80],
[8.0, 10, -190, 90],
[9.0, 19, 200, 70],
[10.0, 20, 210, 65]])
native_id1 = ['08MB005', '08ME005', '08GD006','08GH002']
native_id2 = ['08CD001', '08EF006', '08TH002', '08LO002', '07HP003', '08IK002', '09WF001','09YU001', '05KJ008', '08LK007']
X = pd.DataFrame(X, native_id2, native_id1)
我使用了下面的函数,它返回每行中最小值所对应的列或索引位置。
idx = np.argmin(X.values, axis=1)
它返回类似以下的内容:
array([1, 0, 2, 2, 0, 3, 3, 2, 0, 0], dtype=int64)
我正在寻找的是这个:
08CD001 08ME005
08EF006 08MB005
08TH002 08GD006
08LO002 08GD006
07HP003 08MB005
08IK002 08GH002
09WF001 08GH002
09YU001 08GD006
05KJ008 08MB005
08LK007 08MB005
*已更新* 我找到了这个问题的答案,我试图找到与pandas数据帧每行最小值对应的列名。
以下答案有效:
df.idxmin(axis=1)
df.columns[idx]
- piRSquareddf.idxmin(axis=1)
的作用是获取所有列名。 - Tarifazo(X.idxmin(1) == X.columns[X.values.argmin(1)]).all()
的值为True
。 - piRSquared