Pandas：查找行中的最大值并检索它的列位置
Pandas: Find maximum value in row and retrieve it's column position
早上好！
我想找出数据集中每一行的最大值。
示例：
ID
Age
Col_A
Col_B
Col_C
1
20
1
5
3
2
NaN
6
8
9
3
25
5
6
7
4
30
3
4
6
5
NaN
6
2
1
6
27
1
8
4
然后，对于 ID #2，知道子集中的最大值 [Col_A； Col_B; Col_C] 是 Col_C 中的 9 我想输入缺失值作为 ID 的平均年龄，它在 Col_C 中也有最大值。
在这种情况下，ID #2 的年龄将是年龄 ID#3 和 ID#4 的平均值，即 28。
您可以创建一个临时列，使用 idxmax 显示每个 ID 的最大列，并按列执行，(axis=1)，仅使用 Col_ 列。
然后使用 fillna and groupby.transform:
在新列上用分组平均值估算缺失的年龄
df['max_col'] = df.filter(like='Col_').idxmax(axis=1)
df['Age_filled'] = round(df['Age'].fillna(df.groupby('max_col')['Age'].transform('mean')))
打印：
ID Age Col_A Col_B Col_C max_col
0 1 20.0 1 5 3 Col_B
1 2 28.0 6 8 9 Col_C
2 3 25.0 5 6 7 Col_C
3 4 30.0 3 4 6 Col_C
4 5 NaN 6 2 1 Col_A
5 6 27.0 1 8 4 Col_B
对于ID = 5，没有其他ID在Col_A中有最大值。所以对于这种场合，还是留np.nan
早上好！
我想找出数据集中每一行的最大值。
示例：
| ID | Age | Col_A | Col_B | Col_C |
|---|---|---|---|---|
| 1 | 20 | 1 | 5 | 3 |
| 2 | NaN | 6 | 8 | 9 |
| 3 | 25 | 5 | 6 | 7 |
| 4 | 30 | 3 | 4 | 6 |
| 5 | NaN | 6 | 2 | 1 |
| 6 | 27 | 1 | 8 | 4 |
然后，对于 ID #2，知道子集中的最大值 [Col_A； Col_B; Col_C] 是 Col_C 中的 9 我想输入缺失值作为 ID 的平均年龄，它在 Col_C 中也有最大值。
在这种情况下，ID #2 的年龄将是年龄 ID#3 和 ID#4 的平均值，即 28。
您可以创建一个临时列，使用 idxmax 显示每个 ID 的最大列，并按列执行，(axis=1)，仅使用 Col_ 列。
然后使用 fillna and groupby.transform:
df['max_col'] = df.filter(like='Col_').idxmax(axis=1)
df['Age_filled'] = round(df['Age'].fillna(df.groupby('max_col')['Age'].transform('mean')))
打印：
ID Age Col_A Col_B Col_C max_col
0 1 20.0 1 5 3 Col_B
1 2 28.0 6 8 9 Col_C
2 3 25.0 5 6 7 Col_C
3 4 30.0 3 4 6 Col_C
4 5 NaN 6 2 1 Col_A
5 6 27.0 1 8 4 Col_B
对于ID = 5，没有其他ID在Col_A中有最大值。所以对于这种场合，还是留np.nan