#python #python-3.x #pandas
#python #python-3.x #pandas
Вопрос:
Я пытаюсь получить метку строки и столбца столбца и строки, которые сходятся в max_val. По сути, я измеряю скорость роста от одной записи столбца к другой.
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')
Я ожидаю получить максимальное значение разницы между столбцом для данных, классифицированных как «альберта», и соответствующей ему строкой (местоположение конкретной области), а также годами, приведшими к этому изменению (два года, в которые зафиксировано наибольшее изменение)
Комментарии:
1. Не могли бы вы объяснить, в чем заключается ваш вопрос? Я имею в виду, является ли это ошибкой в коде? или вы получаете неожиданные результаты?
Ответ №1:
IIUC, вы могли бы использовать numpy.argwhere
:
c_r = [(c, r) for r, c in np.argwhere(df_match_pct.values == max_val)][0]
Или, если вам нужны фактические метки индексов и столбцов, используйте:
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]
В качестве альтернативы вы можете использовать цепочку DataFrame.eq
и DataFrame.idxmax()
метод:
c_r = (df.eq(max_val).idxmax(1).idxmax(1),
df.eq(max_val).idxmax().idxmax())