我正在尝试获取收敛于 max_val 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。p>
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')
我希望获得分类为“alberta”的数据的列与其对应行(特定区域位置)之间的差异的最大值,以及导致此变化的年份(记录最大变化的两年)
最佳答案
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,您可以链接 DataFrame.eq
和 DataFrame.idxmax()
方法:
c_r = (df.eq(max_val).idxmax(1).idxmax(1),
df.eq(max_val).idxmax().idxmax())
关于python - 获取数据框中特定数据点的行和列标签,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55762049/