本教程详细介绍了如何在Pandas DataFrame中高效地查找每一行的最小值，并进一步获取与该最小值关联的非数值型列（例如，对应的项目名称）。通过结合使用idxmin、列名字符串操作和NumPy式高级索引，我们能够精确地提取所需的数值和其描述性标签，从而实现复杂的数据转换需求。
引言
在数据分析中，我们经常需要从dataframe的每一行中找出某个特定条件下的值。一个常见的需求是找出每一行的最小值。然而，更进一步的需求是不仅要获取这个最小值本身，还要获取与这个最小值关联的其他信息，例如，如果最小值出现在“value1”列，我们可能需要获取“item1”列中的对应值。本教程将指导您如何使用pandas和numpy的强大功能来高效地完成这项任务。
问题描述与数据准备
假设我们有一个DataFrame，其中包含多组“项目-值”对。我们的目标是找出每一行中所有“值”列的最小值，并同时获取与该最小值对应的“项目”列的值。
首先，我们创建示例DataFrame：
import pandas as pdimport numpy as npdf = pd.DataFrame({ 'Item1': ['A', 'B', 'C', 'D'], 'Value1': [1,4,5,7], 'Item2': ['F', 'G', 'H', 'I'], 'Value2': [0,4,8,12], 'Item3': ['K', 'L', 'M', 'N'], 'Value3': [2.7,3.4,6.2,8.1], })print("原始DataFrame:")print(df)
原始DataFrame:
Item1 Value1 Item2 Value2 Item3 Value30 A 1 F 0 K 2.71 B 4 G 4 L 3.42 C 5 H 8 M 6.23 D 7 I 12 N 8.1
我们关注的“值”列是’Value1′, ‘Value2’, ‘Value3’。
获取行级最小值及其所在列名
要找出每一行的最小值，并确定它来自哪个列，我们可以使用DataFrame的idxmin(axis=1)方法（或idxmin(1)）。这个方法会返回每一行中最小值所在的列名。
# 定义需要比较的“值”列value_cols = ['Value1', 'Value2', 'Value3']# 获取每一行最小值的列名min_value_col_names = df[value_cols].idxmin(axis=1)print("n每一行最小值的列名:")print(min_value_col_names)
输出:
每一行最小值的列名:0 Value21 Value32 Value13 Value1dtype: object
现在我们得到了一个Series，其中包含了每一行最小值对应的列名（例如，第一行的最小值在’Value2’列）。
提取最小值本身
有了最小值所在的列名，我们可以利用Pandas和NumPy的高级索引功能来高效地提取这些值。
获取行索引： 我们需要一个与DataFrame行数匹配的行索引序列，通常是range(len(df))。将列名转换为列位置索引： df.columns.get_indexer_for()方法可以将一系列列名转换为它们在DataFrame中对应的整数位置索引。
# 获取行索引row_indices = range(len(df))# 将最小值列名转换为DataFrame的列位置索引min_value_col_positions = df.columns.get_indexer_for(min_value_col_names)# 使用NumPy的高级索引提取最小值df['Min_Value'] = df.values[row_indices, min_value_col_positions]print("n添加Min_Value列后的DataFrame:")print(df)
输出:
添加Min_Value列后的DataFrame: Item1 Value1 Item2 Value2 Item3 Value3 Min_Value0 A 1 F 0 K 2.7 0.01 B 4 G 4 L 3.4 3.42 C 5 H 8 M 6.2 5.03 D 7 I 12 N 8.1 7.0
现在我们已经成功提取了每一行的最小值。
核心挑战：获取关联列标签
我们的最终目标是获取与最小值对应的“项目”列的值（例如，如果最小值在’Value2’列，我们想要’Item2’列的值）。我们可以通过修改之前获得的最小值列名来实现这一点。由于我们的列名遵循“ValueX”和“ItemX”的模式，我们可以使用字符串替换。
# 将最小值列名（如'Value2'）转换为对应的项目列名（如'Item2'）min_item_col_names = min_value_col_names.str.replace('Value', 'Item')print("n每一行最小值的对应项目列名:")print(min_item_col_names)
输出:
每一行最小值的对应项目列名:0 Item21 Item32 Item13 Item1dtype: object
现在我们有了每一行最小值对应的“项目”列名。
提取关联列标签
与提取最小值本身的方法类似，我们再次使用NumPy的高级索引来提取这些关联的“项目”值。
# 将项目列名转换为DataFrame的列位置索引min_item_col_positions = df.columns.get_indexer_for(min_item_col_names)# 使用NumPy的高级索引提取对应的项目值df['Min_Item'] = df.values[row_indices, min_item_col_positions]print("n添加Min_Item列后的最终DataFrame:")print(df)
输出:
添加Min_Item列后的最终DataFrame: Item1 Value1 Item2 Value2 Item3 Value3 Min_Value Min_Item0 A 1 F 0 K 2.7 0.0 F1 B 4 G 4 L 3.4 3.4 L2 C 5 H 8 M 6.2 5.0 C3 D 7 I 12 N 8.1 7.0 D
至此，我们已经成功地获取了每一行的最小值及其对应的项目标签。
完整代码示例
将上述步骤整合，我们可以得到一个简洁高效的解决方案：
import pandas as pdimport numpy as np# 1. 准备数据df = pd.DataFrame({ 'Item1': ['A', 'B', 'C', 'D'], 'Value1': [1,4,5,7], 'Item2': ['F', 'G', 'H', 'I'], 'Value2': [0,4,8,12], 'Item3': ['K', 'L', 'M', 'N'], 'Value3': [2.7,3.4,6.2,8.1], })# 2. 定义需要比较的“值”列value_cols = ['Value1', 'Value2', 'Value3']# 3. 获取行索引row_indices = range(len(df))# 4. 找出每一行最小值的列名min_value_col_names = df[value_cols].idxmin(axis=1)# 5. 提取最小值本身# 将最小值列名转换为DataFrame的列位置索引min_value_col_positions = df.columns.get_indexer_for(min_value_col_names)# 使用NumPy高级索引df['Min_Value'] = df.values[row_indices, min_value_col_positions]# 6. 找出对应项目列的列名# 将'ValueX'列名替换为'ItemX'列名min_item_col_names = min_value_col_names.str.replace('Value', 'Item')# 7. 提取对应的项目值# 将项目列名转换为DataFrame的列位置索引min_item_col_positions = df.columns.get_indexer_for(min_item_col_names)# 使用NumPy高级索引df['Min_Item'] = df.values[row_indices, min_item_col_positions]print("n最终结果DataFrame:")print(df)
关键概念解析
DataFrame.idxmin(axis=1): 这个方法是解决问题的核心。它返回每一行中最小值所在的列的名称。axis=1（或axis=’columns’）表示按行操作。Series.str.replace(‘Value’, ‘Item’): 当列名具有可预测的模式时，这个字符串方法非常有用。它允许我们将最小值列名（如’Value1’）转换为其对应的标签列名（如’Item1’）。DataFrame.columns.get_indexer_for(column_names_series): 这个方法将一个包含列名的Series转换为一个包含这些列名在DataFrame中对应整数位置索引的NumPy数组。这是实现NumPy式高级索引的关键一步。DataFrame.values[row_indices, col_indices]: 这是NumPy风格的高级索引。df.values返回DataFrame的底层NumPy数组。通过同时提供一个行索引数组和一个列索引数组，我们可以高效地选择位于这些特定行和列交叉点上的元素。这种方法通常比使用.loc或.iloc进行多次迭代要快得多，尤其是在大型DataFrame上。
注意事项
列名模式： 本教程的方法高度依赖于“值”列和“项目”列之间存在可预测的命名模式（例如，’ValueX’对应’ItemX’）。如果您的列名模式更复杂，您可能需要使用正则表达式 (.str.extract()) 或构建一个自定义的映射字典来转换列名。性能： 使用df.values结合NumPy高级索引是处理此类任务的高效方式，尤其是在处理大型数据集时。它避免了Python级别的循环，将操作推送到底层的C实现。数据类型： 确保您用于查找最小值的列是数值类型。idxmin在非数值列上可能不会按预期工作。
总结
通过本教程，我们学习了如何利用Pandas的idxmin方法结合字符串操作和NumPy的高级索引功能，在DataFrame中高效地查找行级最小值并提取其对应的非数值型标签。这种方法不仅功能强大，而且在处理大规模数据时表现出优异的性能，是数据分析师工具箱中一个非常有价值的技巧。掌握这些技术将使您能够更灵活、更高效地处理复杂的数据转换需求。
以上就是Pandas DataFrame行级最小值的提取及其对应列标签的获取教程的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1376546.html
微信扫一扫 
支付宝扫一扫 
