Pandas Argmax

En funksjon som heter Argmax () er tilgjengelig i konstruktøren av pandaer for å bestemme hvor serien/dataafram maksimal verdi er lokalisert. ArgMax () -metoden returnerer en heltallverdi som utpeker plasseringen av den største verdien. La oss se syntaks for indeksen, serien og DataFrame.

Syntaks:

Indeks -

Pandas.Indeks.Argmax (Axis = Ingen)

Serie -

Pandas.Series_Object.Argmax (Axes = 0, Skipna = True, *Args, ** Kwargs)

Dataramme -

Pandas.DataFrame_Object ['Column'].Argmax ()

Parametere:

1. Hvor i Skipna Parameter utelukker Na/NULL -verdiene, utfallet er NA hvis hele serien er NA.
2. akser: For å være kompatibel med DataFrame.idxmax, overflødig bruk med serien.
3. Ytterligere nøkkelord *Args og ** Kwargs har ingen innvirkning. Imidlertid kan de bli akseptert for numpy kompatibilitet.
4. idxmax: Indeksen for høyeste verdi returneres.

Eksempel 1: Indeks ()

Opprett en indeks som lagrer 7 verdier som inkluderer ingen/nan -verdiene.

1. Returner maksimal verdiindeksposisjon ved å ignorere NAN -verdiene.
2. Returner maksimal verdiindeksposisjon ved å vurdere NAN -verdiene.

Importer pandaer
Importer numpy
# Opprett indeksen
Butikker = Pandas.Indeks ([10,345,67,89,90, ingen, numpy.nan])
trykk (butikker, "\ n")
# Returner den maksimale elementindeksposisjonen
trykk (butikker.Argmax (), "\ n")
# Returner den maksimale elementindeksposisjonen ved å vurdere NAN -verdier
trykk (butikker.Argmax (Skipna = falsk))

Produksjon:

Forklaring:
Først viser vi hele indeksen.

1. I den andre utgangen er 345 den største verdien mellom 7 verdier og indeksposisjonen er 1.
2. I den siste utgangen vurderer vi NAN -verdiene. Siden det er en NAN -verdi, returneres -1.

Eksempel 2: serie ()

Lag en Pandas -serie som heter “Shops” som lagrer 5 verdier som inkluderer NAN -verdien.

1. Returner maksimal verdiindeksposisjon ved å ignorere NAN -verdiene.
2. Returner maksimal verdiindeksposisjon ved å vurdere NAN -verdiene.

Importer pandaer
Importer numpy
# Tenk på seriedataene
Butikker = Pandas.Serie ([100,45,67,78, numpy.nan])
trykk (butikker, "\ n")
# Returner den maksimale elementindeksposisjonen
trykk (butikker.Argmax (), "\ n")
# Returner den maksimale elementindeksposisjonen ved å vurdere NAN -verdier
trykk (butikker.Argmax (Skipna = falsk))

Produksjon:

Forklaring:
Først viser vi hele serien.

1. I den andre utgangen er 100 den største verdien mellom 5 verdier og indeksposisjonen er 0.
2. I den siste utgangen vurderer vi NAN -verdiene. Siden det er en NAN -verdi i siste stilling, returneres -1.

Eksempel 3: DataFrame ()

Så langt har vi sett hvordan vi finner maksimal verdens indeksposisjon, nå vil vi se hvordan vi finner den i DataFrame -kolonnen. Opprett raskt en Pandas dataaframe kalt “Resultater” som lagrer 4 kolonner og 5 rader som har ingen/NAN -verdier.

1. Returner maksimal verdiindeksposisjon ved å ignorere NAN -verdiene.
2. Returner maksimal verdiindeksposisjon ved å vurdere NAN -verdiene.

Importer pandaer
Importer numpy
Resultater = pandaer.DataFrame ([["Internt", 98, "Pass", Numpy.nan],
["Internt", 45, "Fail", ingen],
["Ekstern", ingen, "pass", ingen],
["Ekstern", numpy.Nan, "pass", ingen],
[Ingen, 18, "Fail", 90]],
kolonner = ["eksamen", "score", "res", "andre"],
indeks = ['Ram', 'Sravan', 'Govind', 'Anup', 'Bob']
)
trykk (resultater, "\ n")
# Returner den maksimale elementindeksposisjonen i "eksamens" -kolonnen
trykk (resultater ['Annet'].Argmax ())
# Returner den maksimale elementindeksposisjonen i "poengsum" -kolonnen
print (resultater ['score'].Argmax ())

Produksjon:

Forklaring:

Først viser vi hele DataFrame.

1. I den andre utgangen, 90.0 er den største verdien mellom 5 verdier i "andre" kolonnen. Indeksposisjonen er 4.
2. I den siste utgangen, 98.0 er den største verdien mellom 5 verdier i kolonnen "Merker". Indeksposisjonen er 0.

Konklusjon

Denne artikkelen viste hvordan du finner indeksens plassering av maksimal verdi (eller verdier) i en dataaframe eller serie ved hjelp av indeksen.Argmax () -funksjon, serie.Argmax, og DataFrame ['Column'].Argmax fungerer i denne opplæringen. Til å begynne med viste vi hvordan vi kan forstå funksjonens parametere før vi oppdaget hvordan du bruker ArgMax () -funksjonen på forskjellige Python-innebygde funksjoner.