Python pandas 按降序查找每行的列名答案

【问题标题】：Python pandas find the column names in descending order for each rowPython pandas 按降序查找每行的列名
【发布时间】：2017-12-24 02:05:10
【问题描述】：

我有以下 pandas 数据框，我正在尝试按降序查找每一行的列名。

A B C D A 1 3 2 1 B 2 1 5 0 C 1 0 1 9 D 2 0 1 2

对于每一行，我尝试按排序顺序（降序）获取列索引我应该得到： B C D A C A B D 等等这可以使用熊猫吗？

我正在尝试这样的事情。 test[2].sort_index(axis = 0, ascending = True)

更新 12/23

>>> df1
user_handle  1   2   3   4   5   6   8   9   10  12
user_handle
1             6   0   0   1   0   0   0   0   0   0
2             0  95   0   0   1   0   0   0   1   0
3             0   0   2   0   0   0   0   0   0   0
4             1   0   0  12   0   1   0   0   2   0
5             0   1   0   0   9   0   0   0   0   0
6             0   0   0   1   0  14   0   0   1   0
8             0   0   0   0   0   0   4   0   0   0
9             0   0   0   0   0   0   0  12   0   0
10            0   1   0   2   0   1   0   0  49   0
12            0   0   0   0   0   0   0   0   0   2

>>> t1 = np.flip(df1.values.argsort(), 1)


>>> pd.DataFrame(df1.columns[t1])
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "python3.6/site-packages/pandas/core/frame.py", line 303, in __init__
    dtype=dtype)
  File "python3.6/site-packages/pandas/core/frame.py", line 411, in _init_dict
    return _arrays_to_mgr(arrays, data_names, index, columns, dtype=dtype)
  File "python3.6/site-packages/pandas/core/frame.py", line 5506, in _arrays_to_mgr
    return create_block_manager_from_arrays(arrays, arr_names, axes)
  File "python3.6/site-packages/pandas/core/internals.py", line 4310, in create_block_manager_from_arrays
    mgr = BlockManager(blocks, axes)
  File "python3.6/site-packages/pandas/core/internals.py", line 2792, in __init__
    (block.ndim, self.ndim))
AssertionError: Number of Block dimensions (3) must equal number of axes (2)
>>>
KeyboardInterrupt

【问题讨论】：

发布您目前尝试过的代码。
我已经粘贴了代码

标签： python pandas dataframe

【解决方案1】：

你可以使用：

temp = np.flip(df.values.argsort(),1)
ndf = pd.DataFrame(df.columns[temp])

   0  1  2  3
0  B  C  D  A
1  C  A  B  D
2  D  C  A  B
3  D  A  C  B

【讨论】：

我也是！ flipud 看起来很有用。
请检查您的输出
@Vaishali 我更新了，我不知道为什么我用flipud代替flip，对功能的这种误解
@andrew_reece 我误解了函数，我们必须在这里使用flip，flipud 反转列和行。
这个好像是最快的

【解决方案2】：

通过使用rank 和unstack

df.stack().groupby(level=0).rank(method ='first',ascending =False).reset_index(level=1).set_index(0,append=True).unstack()
Out[309]: 
  level_1            
0     1.0 2.0 3.0 4.0
A       B   C   A   D
B       C   A   B   D
C       D   A   C   B
D       A   D   C   B

并使用numpy

pd.DataFrame(df.columns.values[np.lexsort(([df.columns.values]*len(df),df.values))]).iloc[:, ::-1]
Out[351]: 
   3  2  1  0
0  B  C  D  A
1  C  A  B  D
2  D  C  A  B
3  D  A  C  B

【讨论】：

【解决方案3】：

您可以使用argsort()，然后索引到columns：

(df.apply(lambda x: (-x).argsort(), axis=1) # use -x for sort descending
   .apply(lambda x: df.columns[x], axis=1))

   A  B  C  D
A  B  C  A  D
B  C  A  B  D
C  D  A  C  B
D  A  D  C  B

注意：如果您不希望最终输出中包含索引和列，只需添加 .values。

【讨论】：

【解决方案4】：

使用 numpy argsort，

pd.DataFrame(df.columns[np.argsort(-df.values, axis=1)])


    0   1   2   3
0   B   C   A   D
1   C   A   B   D
2   D   A   C   B
3   A   D   C   B

【讨论】：

我不明白[:, :df.shape[1]]的目的，如果你不使用它会返回相同的