Python:按行中的非零值获取列名
Python:按行中的非零值获取列名
提问于 2020-08-08 07:26:39
假设我有10行3列。每行只有一个非零值，每个列的位置在任何行之间都不同。
我如何迭代每一行，检查是否存在任何非零值，检查其列索引，并获得(存储在内存中)适当的列名？
我尝试了几种使用熊猫图书馆的方法，但没有找到任何捷径。
原始数据：
index A B C D
11 0 3 0 0
136 0 0 0 1
186 0 0 184 0
258 0 0 15 0
455 0 1 0 0
628 0 0 1 0
774 0 0 2 0
829 0 0 1 0
1004 0 0 113 0
1008 0 0 1 0 三个不同索引(136、455、1008)的预期输出之一示例：
['D', 'B', 'C']当然，输出可以是类似于列表的任何其他内容。但是这个具体的例子对我来说已经足够了。
认定：
empty_list = []
memory_var = [empty_list.append(row.sort_values().max()) for row in
df.itterows()]
print(memory_var)这有助于我创建一个仅包含每一行中最高值的列表。现在，我需要得到这些值的列名。使用"idxmax()“方法返回一个错误：
'numpy.float64' object has no attribute 'idxmax'更新：
为我的案子找到了正确的解决方案。具体列的提取可通过以下方式进行：
row[:].sort_values().idxmax()回答 4
Stack Overflow用户
回答已采纳
发布于 2020-08-08 11:22:55
idxmax是这方面的完美选择。原始数据包括D列，所以我也使用了它：
from io import StringIO
import pandas as pd
data = '''index A B C D
11 0 3 0 0
136 0 0 0 1
186 0 0 184 0
258 0 0 15 0
455 0 1 0 0
628 0 0 1 0
774 0 0 2 0
829 0 0 1 0
1004 0 0 113 0
1008 0 0 1 0
'''
df = (pd.read_csv(StringIO(data), sep='\s\s+', engine='python')
.set_index('index'))# apply idxmax and show result
df['col'] = df.apply(lambda x: x.idxmax(), axis=1)
print(df)
A B C D col
index
11 0 3 0 0 B
136 0 0 0 1 D
186 0 0 184 0 C
258 0 0 15 0 C
455 0 1 0 0 B
628 0 0 1 0 C
774 0 0 2 0 C
829 0 0 1 0 C
1004 0 0 113 0 C
1008 0 0 1 0 CStack Overflow用户
发布于 2020-08-08 07:47:39
这就是你要找的吗？
>>> a_df = pd.DataFrame({"a":[1,0,0,0], "b":[0,3,0,0], "c":[0,0,0,7], "d":[0,0,0,0]})
>>> a_df
a b c d
0 1 0 0 0
1 0 3 0 0
2 0 0 0 0
3 0 0 7 0
>>> a_df = a_df.replace(0, np.nan)
>>> a_df
a b c d
0 1.0 NaN NaN NaN
1 NaN 3.0 NaN NaN
2 NaN NaN NaN NaN
3 NaN NaN 7.0 NaN
>>> a_df.dropna(how="all", axis=1).columns.tolist()
['a', 'b', 'c']如果要保存原始df，请执行以下操作：
>>> a_df.replace(0, np.nan).dropna(how="all", axis=1).columns.tolist()
['a', 'b', 'c']
>>> a_df
a b c d
0 1 0 0 0
1 0 3 0 0
2 0 0 0 0
3 0 0 7 0Stack Overflow用户
发布于 2020-08-08 08:44:53
一种替代方法，在原始DataFrame的末尾添加一个列，其中包含非零列名：
df = pd.DataFrame({'x' : [ 0,0,9],'y' : [-1,0,0],'z' : [0,1.1,0]},index=['a','b','c'])
df["non_zero_columns"] = df.where(df == 0,
other=df.apply(lambda x: x.name),
axis=1).where(df != 0,
other="").apply(lambda row: ''.join(row.values), axis=1)‘'df’现在是：
x y z non_zero_columns
a 0 -1 0.0 y
b 0 0 1.1 z
c 9 0 0.0 x将一行分隔开，其中两个调用set zeros将空字符串和非零值设置为它们所在的列的名称。这些值(空字符串和列名)是在apply()中连接起来创建"non_zero_columns“列的字符串。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/63317109
复制相关文章
相似问题
腾讯云开发者
