获取dataframe中特定数据点的行和列标签
提问于 2019-04-19 12:43:25
我正在尝试获取在max_val处收敛的列和行的行和列标签。本质上，我测量的是从一个列条目到另一个列条目的增长率。
def find_max(area):
# YOUR CODE HERE
data=pd.read_csv('Canada.csv')
df = pd.DataFrame(data)
#case insensitive
prov_lower = province.lower()
data['province'] = df['province'].astype(str).str.lower()
#get percent change
if prov_lower in data['province'].values:
data=data[data['province']==province]
df_match_pct=data[data.columns[3:-1]].diff(axis='columns').abs()
#find max
max_val=df_match_pct.max()
max_val=max_val.max()
#select column and row of max value
c_r = df_match_pct.iloc[0:9] == max_val and df_match_pct[df_match_pct.iloc[0:9] == max_val]
#how to get the column and row label of this?
else:
raise ValueError()
return max_val,c_r
find_max('alberta')我希望得到分类为'alberta‘的数据列与其对应行(特定区域位置)之间的最大差值，以及导致这种变化的年份(记录最大变化的两年)
回答 1
Stack Overflow用户
回答已采纳
发布于 2019-04-19 12:58:19
IIUC，你可以使用numpy.argwhere
c_r = [(c, r) for r, c in np.argwhere(df_match_pct.values == max_val)][0]或者，如果您需要实际的索引和列标签，请使用：
c_r = [(df_match_pct.index[c], df_match_pct.columns[r]) for r, c in np.argwhere(df_match_pct.values == max_val)][0]或者，您可以将DataFrame.eq和DataFrame.idxmax()方法链接起来：
c_r = (df.eq(max_val).idxmax(1).idxmax(1),
df.eq(max_val).idxmax().idxmax())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/55762049
复制
腾讯云开发者
