pandas小技巧之求行最大值及其索引

2024-07-13 23:59| 来源: 网络整理| 查看: 265

在平时训练完模型后，需要对模型预测的值做进一步的数据操作，例如在对模型得到类别的概率值按行取最大值，并将最大值所在的列单独放一列。

数据格式如下：

array array([[ 0.47288769, 0.23982215, 0.2261405 , 0.06114962], [ 0.67969596, 0.11435176, 0.17647322, 0.02947907], [ 0.00621393, 0.01652142, 0.31117165, 0.66609299], [ 0.24093366, 0.23636758, 0.30113828, 0.22156043], [ 0.44093642, 0.2245989 , 0.24515967, 0.08930501], [ 0.05540339, 0.10013942, 0.30361843, 0.54083872], [ 0.11221886, 0.75674808, 0.09237131, 0.03866173], [ 0.24885316, 0.28243011, 0.28312165, 0.18559511], [ 0.01205211, 0.03740638, 0.271065 , 0.67947656]], dtype=float32)

想在想实现的功能是在上述DataFrame后面增加两列：一列是最大值，一列是最大值所在的行索引。

首先先来了解一下argmax函数。

argmax(a, axis=None)

# a 表示DataFrame

# axis 表示指定的轴，默认是None，表示把array平铺，等于1表示按行，等于0表示按列。

对于DataFrame来说，求解过程如下：

代码如下：

#导入库 import pandas as pd import numpy as np #将array转化为DataFrame arr=pd.DataFrame(array,columns=["one","two","three","four"]) #分别求行最大值及最大值所在索引 arr['max_value']=arr.max(axis=1) arr['max_index']=np.argmax(array,axis=1) #得出如下结果： arr Out[28]: one two three four max_index max_value 0 0.472888 0.239822 0.226140 0.061150 0 0.472888 1 0.679696 0.114352 0.176473 0.029479 0 0.679696 2 0.006214 0.016521 0.311172 0.666093 3 3.000000 3 0.240934 0.236368 0.301138 0.221560 2 2.000000 4 0.440936 0.224599 0.245160 0.089305 0 0.440936 5 0.055403 0.100139 0.303618 0.540839 3 3.000000 6 0.112219 0.756748 0.092371 0.038662 1 1.000000 7 0.248853 0.282430 0.283122 0.185595 2 2.000000 8 0.012052 0.037406 0.271065 0.679477 3 3.000000

假如现在要找出行第二大的值及其索引时，该怎么操作呢：

解决思路：可以将行的最大值置为0，然后在寻找每行的最大值及其索引。

具体代码实现过程如下：

#将最大值置为0 array[arr.index,np.argmax(array,axis=1)]=0 array array([[ 0. , 0.23982215, 0.2261405 , 0.06114962], [ 0. , 0.11435176, 0.17647322, 0.02947907], [ 0.00621393, 0.01652142, 0.31117165, 0. ], [ 0.24093366, 0.23636758, 0. , 0.22156043], [ 0. , 0.2245989 , 0.24515967, 0.08930501], [ 0.05540339, 0.10013942, 0.30361843, 0. ], [ 0.11221886, 0. , 0.09237131, 0.03866173], [ 0.24885316, 0.28243011, 0. , 0.18559511], [ 0.01205211, 0.03740638, 0.271065 , 0. ]], dtype=float32) #取出第二大值及其索引 arr['second_value']=array.max(axis=1) arr['second_index']=np.argmax(array,axis=1) arr Out[208]: one two three four max_value max_index second_value \ 0 0.472888 0.239822 0.226140 0.061150 0.472888 0 0.239822 1 0.679696 0.114352 0.176473 0.029479 0.679696 0 0.176473 2 0.006214 0.016521 0.311172 0.666093 0.666093 3 0.311172 3 0.240934 0.236368 0.301138 0.221560 0.301138 2 0.240934 4 0.440936 0.224599 0.245160 0.089305 0.440936 0 0.245160 5 0.055403 0.100139 0.303618 0.540839 0.540839 3 0.303618 6 0.112219 0.756748 0.092371 0.038662 0.756748 1 0.112219 7 0.248853 0.282430 0.283122 0.185595 0.283122 2 0.282430 8 0.012052 0.037406 0.271065 0.679477 0.679477 3 0.271065 second_index 0 1 1 2 2 2 3 0 4 2 5 2 6 0 7 1 8 2

如有更好的方法，可以相互沟通~

【本文地址】

公司简介

联系我们