时间戳

首页 > 解决方案 > 对于每一行，返回最小值的列名 - pandas

python - 对于每一行，返回最小值的列名 - pandas

问题描述

假设我有一个具有以下值的数据框：

id    product1sold   product2sold   product3sold
1     2              3              3
2     0              0              5
3     3              2              1

如何在每个 ID 的列表中添加包含所有最畅销和最少售出产品的“最畅销”和“最不畅销”列？它应该看起来像这样。

id    product1   product2   product3    most_sold                least_sold
1        2          3          3        [product2, product3]      [product1]     
2        0          0          5        [product3]                [product1, product2]
3        3          2          1        [product1]                [product3]

标签： pythonpandaslistmaxmin

解决方案

使用列表推导和测试产品列表的最小值和最大值：

#select all columns without first
df1 = df.iloc[:, 1:]
cols = df1.columns.to_numpy()

df['most_sold'] = [cols[x].tolist() for x in df1.eq(df1.max(axis=1), axis=0).to_numpy()]
df['least_sold'] = [cols[x].tolist() for x in df1.eq(df1.min(axis=1), axis=0).to_numpy()]
print (df)
   id  product1sold  product2sold  product3sold                     most_sold  \
0   1             2             3             3  [product2sold, product3sold]   
1   2             0             0             5                [product3sold]   
2   3             3             2             1                [product1sold]   

                     least_sold  
0                [product1sold]  
1  [product1sold, product2sold]  
2                [product3sold]

如果性能不重要，可以使用DataFrame.apply：

df1 = df.iloc[:, 1:]

f = lambda x: x.index[x].tolist()
df['most_sold'] = df1.eq(df1.max(axis=1), axis=0).apply(f, axis=1)
df['least_sold'] = df1.eq(df1.min(axis=1), axis=0).apply(f, axis=1)

推荐阅读