第七色在线视频,2021少妇久久久久久久久久,亚洲欧洲精品成人久久av18,亚洲国产精品特色大片观看完整版,孙宇晨将参加特朗普的晚宴

為了賬號安全，請及時綁定郵箱和手機立即綁定
已解決430363個問題，去搜搜看，總會有你想問的

獲取 Pandas Dataframe 中列名的排名

獲取 Pandas Dataframe 中列名的排名

慕的地6264312 2023-05-09 15:58:58
我將客戶 ID 與他們最常購買的表演類型進行了對比：Genre            Jazz     Dance     Music  TheatreCustomer                                        100000000001           0      3         1        2100000000002           0      1         6        2100000000003           0      3        13        4100000000004           0      5         4        1100000000005           1     10        16       14我想要的結(jié)果是根據(jù)排名附加列名：Genre            Jazz     Dance     Music  Theatre          Rank1          Rank2          Rank3          Rank4Customer                                         100000000001           0      3         1        2          Dance        Theatre          Music           Jazz100000000002           0      1         6        2          Music        Theatre          Dance           Jazz100000000003           0      3        13        4          Music        Theatre          Dance           Jazz100000000004           0      5         4        1          Dance          Music        Theatre           Jazz100000000005           1     10        16       14          Music        Theatre          Dance           Jazz我已經(jīng)查找了一些線程，但我能找到的最接近的是idxmax. 然而，那只會給我Rank1。誰能幫我得到我需要的結(jié)果？
查看完整描述

5 回答

?
慕標琳琳

TA貢獻1830條經(jīng)驗 獲得超9個贊

使用：


i = np.argsort(df.to_numpy() * -1, axis=1)

r = pd.DataFrame(df.columns[i], index=df.index, columns=range(1, i.shape[1] + 1))?

df = df.join(r.add_prefix('Rank'))

細節(jié)：

使用np.argsortalong獲取將按降序?qū)α髋蛇M行排序的axis=1索引。i


print(i)
array([[1,?3,?2,?0],
???????[2,?3,?1,?0],
???????[2,?3,?1,?0],
???????[1,?2,?3,?0],
???????[2,?3,?1,?0]])

從沿著索引（即）獲取的r數(shù)據(jù)框的列創(chuàng)建一個新的數(shù)據(jù)框，然后使用連接數(shù)據(jù)框：dfidf.columns[i]DataFrame.joinrdf

print(df)

? ? ? ? ? ? ? Jazz? Dance? Music? Theatre? Rank1? ? Rank2? ? Rank3 Rank4

Customer? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

100000000001? ? ?0? ? ? 3? ? ? 1? ? ? ? 2? Dance? Theatre? ? Music? Jazz

100000000002? ? ?0? ? ? 1? ? ? 6? ? ? ? 2? Music? Theatre? ? Dance? Jazz

100000000003? ? ?0? ? ? 3? ? ?13? ? ? ? 4? Music? Theatre? ? Dance? Jazz

100000000004? ? ?0? ? ? 5? ? ? 4? ? ? ? 1? Dance? ? Music? Theatre? Jazz

100000000005? ? ?1? ? ?10? ? ?16? ? ? ?14? Music? Theatre? ? Dance? Jazz


查看完整回答
反對 回復 2023-05-09
?
qq_遁去的一_1

TA貢獻1725條經(jīng)驗 獲得超8個贊

嘗試這個：


dfp = (df.rank(ascending=False, axis=1).stack()

         .astype(int).rename('rank').reset_index(level=1))

df.assign(**dfp.set_index('rank', append=True)['Genre'].unstack().add_prefix('Rank'))

輸出：


Genre         Jazz  Dance  Music  Theatre  Rank1    Rank2    Rank3 Rank4

Customer                                                                

100000000001     0      3      1        2  Dance  Theatre    Music  Jazz

100000000002     0      1      6        2  Music  Theatre    Dance  Jazz

100000000003     0      3     13        4  Music  Theatre    Dance  Jazz

100000000004     0      5      4        1  Dance    Music  Theatre  Jazz

100000000005     1     10     16       14  Music  Theatre    Dance  Jazz

使用rank并重塑數(shù)據(jù)框，然后使用assign.


查看完整回答
反對 回復 2023-05-09
?
動漫人物

TA貢獻1815條經(jīng)驗 獲得超10個贊

讓我們試試stack,cumcount和sort_values:


s = df.stack().sort_values(ascending=False).groupby(level=0).cumcount() + 1

s1 = (s.reset_index(1)

    .set_index(0, append=True)

    .unstack(1)

    .add_prefix("Rank")

    

    )

s1.columns = s1.columns.get_level_values(1)

然后加入您的客戶類型索引。


df.join(s1)

                 Jazz  Dance  Music  Theatre  Rank1    Rank2    Rank3 Rank4

Customer_Genre                                                            

100000000001       0      3      1        2  Dance  Theatre    Music  Jazz

100000000002       0      1      6        2  Music  Theatre    Dance  Jazz

100000000003       0      3     13        4  Music  Theatre    Dance  Jazz

100000000004       0      5      4        1  Dance    Music  Theatre  Jazz

100000000005       1     10     16       14  Music  Theatre    Dance  Jazz


查看完整回答
反對 回復 2023-05-09
?
HUH函數(shù)

TA貢獻1836條經(jīng)驗 獲得超4個贊

上述解決方案有效，但我們現(xiàn)在收到以下棄用警告。

r = pd.DataFrame(df.columns[i], index=df.index, columns=range(1, i.shape[1] + 1))

FutureWarning：對多維索引（例如obj[:, None]）的支持已棄用，并將在未來版本中刪除。在索引之前轉(zhuǎn)換為 numpy 數(shù)組。

修訂：r = pd.DataFrame(np.array(df.columns)[i], index=df.index, columns=range(1, i.shape[1] + 1))


查看完整回答
反對 回復 2023-05-09
?
慕容708150

TA貢獻1831條經(jīng)驗 獲得超4個贊

這是一個改進以前答案的函數(shù)，考慮到以下幾點：

  • 它通過在索引它們之前將 df.columns 轉(zhuǎn)換為 numpy 數(shù)組來解決 Wally 提到的棄用警告。

  • 它還允許包含 NaN 值并避免將這些列用于排名列（也將它們的值保留為 NaN）。檢查示例。

  • 它還添加了相應的排名值以輕松映射它們。

  • 如果您想按升序或降序?qū)λ鼈冞M行排名，則有一個附加參數(shù)。

  • 添加一個附加列，指定哪些列具有 NaN 值并且未包含在排名列中。這些值被添加到列表中。

# Example DataFrame

import numpy as np

import pandas as pd


dic = {'A': [0, np.nan, 2, np.nan],

      'B': [3, 0, 1, 5],

      'C': [1, 2, 0, np.nan]}

df = pd.DataFrame(dic)

print(df)


     A  B    C

0  0.0  3  1.0

1  NaN  0  2.0

2  2.0  1  0.0

3  NaN  5  NaN

# Function

def fun_rank_columns(df, ascending=False):

    factor = 1 if ascending else -1

    # Rank columns showing ranking of column names

    np_sort = np.argsort(df.to_numpy() * factor, axis=1)

    df_rank = pd.DataFrame(np.array(df.columns)[np_sort], index=df.index, columns=range(1, np_sort.shape[1] + 1))

    

    # Corresponding values for each rank column

    np_sort_value = np.sort(df.to_numpy() * factor, axis=1)

    df_rank_value = pd.DataFrame(np_sort_value, index=df.index, columns=range(1, np_sort_value.shape[1] + 1)) * factor

    

    # Columns with nan values to be replaced

    num_col_rank = df_rank.shape[1]

    df_rank['nan_value'] = df.apply(lambda row: [i for i in df.columns if np.isnan(row[i])], axis=1)

    for col in range(1, num_col_rank + 1):

        condition = df_rank.apply(lambda x: x[col] in x['nan_value'], axis=1)

        df_rank.loc[condition, col] = np.nan

        df_rank_value.loc[condition, col] = np.nan


    # Join Results

    df_rank = df_rank.add_prefix('rank_')

    df_rank_value = df_rank_value.add_prefix('rank_value_')

    df_res = df_rank.join(df_rank_value)

    return df_res

# Apply the function

df_res = fun_rank_columns(df, ascending=True)

print(df_res)


  rank_1 rank_2 rank_3 rank_nan_value  rank_value_1  rank_value_2  rank_value_3

0      A      C      B             []           0.0           1.0           3.0

1      B      C    NaN            [A]           0.0           2.0           NaN

2      C      B      A             []           0.0           1.0           2.0

3      B    NaN    NaN         [A, C]           5.0           NaN           NaN


查看完整回答
反對 回復 2023-05-09
  • 5 回答
  • 0 關注
  • 223 瀏覽
慕課專欄
更多

添加回答

舉報

0/150
提交
取消
微信客服

購課補貼
聯(lián)系客服咨詢優(yōu)惠詳情

 幫助反饋 APP下載

慕課網(wǎng)APP
您的移動學習伙伴

 公眾號

掃描二維碼
關注慕課網(wǎng)微信公眾號