programming python

Làm thế nào để bạn tìm thấy giá trị tối đa trong một cột trong python?

Bạn có thể tìm ra các giá trị hàng cho giá trị tối đa của cột trong pandas DataFrame bằng cách sử dụng các phương thức


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]

4 và thuộc tính ________0____5. Bạn cũng có thể sử dụng


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]

6 và


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]

7 để lấy cột tối đa và tối thiểu

Trong bài viết này, tôi sẽ giải thích cách tìm giá trị hàng cho cột tối đa của Pandas DataFrame với một số ví dụ

1. Ví dụ nhanh về Tìm giá trị hàng cho Cột tối đa trong Pandas

Nếu bạn đang vội, dưới đây là một số ví dụ nhanh về cách tìm ra các giá trị hàng cho giá trị tối đa của cột trong DataFrame của gấu trúc


# Below are some quick examples.
# Using DataFrame.idxmax[] Method.
df2=df['Fee'].idxmax[]

# Using DataFrame.loc[] property.
df2=df.loc[df['Fee'].idxmax[]]

# Using DataFrame.query[] method.
df2=df.query['Fee == Fee.max[]']

#Using DataFrame.nlargest[] function.
df2=df.nlargest[2,['Fee']]

# Using DataFrame.nsmallest[] function.
df2=df.nsmallest[2,['Fee']]

Bây giờ, hãy tạo một Khung dữ liệu Pandas với một vài hàng và cột, đồng thời thực hiện một số ví dụ và xác thực kết quả. Khung dữ liệu của chúng tôi chứa các tên cột


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]


            Courses    Fee Duration
0             Spark  22000   30days
1             Spark  25000   35days
2           PySpark  23000   40days
3              JAVA  24000   45days
4            Hadoop  26000   50days
5              .Net  30000   55days
6            Python  27000   60days
7               AEM  28000   35days
8            Oracle  35000   30days
9           SQL DBA  32000   40days
10                C  20000   50days
11  WebTechnologies  15000   55days

0 và


            Courses    Fee Duration
0             Spark  22000   30days
1             Spark  25000   35days
2           PySpark  23000   40days
3              JAVA  24000   45days
4            Hadoop  26000   50days
5              .Net  30000   55days
6            Python  27000   60days
7               AEM  28000   35days
8            Oracle  35000   30days
9           SQL DBA  32000   40days
10                C  20000   50days
11  WebTechnologies  15000   55days


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]

Sản lượng dưới sản lượng

________số 8_______

2. Sử dụng Khung dữ liệu. idxmax[] Nhận chỉ số hàng của cột tối đa

Khung dữ liệu. phương thức idxmax[] trả về chỉ số của lần xuất hiện đầu tiên của giá trị lớn nhất trên trục được yêu cầu [hàng hoặc cột]. Phương thức


            Courses    Fee Duration
0             Spark  22000   30days
1             Spark  25000   35days
2           PySpark  23000   40days
3              JAVA  24000   45days
4            Hadoop  26000   50days
5              .Net  30000   55days
6            Python  27000   60days
7               AEM  28000   35days
8            Oracle  35000   30days
9           SQL DBA  32000   40days
10                C  20000   50days
11  WebTechnologies  15000   55days

2 trả về một Sê-ri có chỉ số là giá trị lớn nhất cho mỗi cột. Bằng cách chỉ định trục cột [


            Courses    Fee Duration
0             Spark  22000   30days
1             Spark  25000   35days
2           PySpark  23000   40days
3              JAVA  24000   45days
4            Hadoop  26000   50days
5              .Net  30000   55days
6            Python  27000   60days
7               AEM  28000   35days
8            Oracle  35000   30days
9           SQL DBA  32000   40days
10                C  20000   50days
11  WebTechnologies  15000   55days

3], phương thức


            Courses    Fee Duration
0             Spark  22000   30days
1             Spark  25000   35days
2           PySpark  23000   40days
3              JAVA  24000   45days
4            Hadoop  26000   50days
5              .Net  30000   55days
6            Python  27000   60days
7               AEM  28000   35days
8            Oracle  35000   30days
9           SQL DBA  32000   40days
10                C  20000   50days
11  WebTechnologies  15000   55days

2 trả về một Chuỗi có chỉ mục là giá trị lớn nhất cho mỗi hàng


# Using DataFrame.idxmax[] Method.
value=df['Fee'].idxmax[]
print[value]

# Outputs
# 8

Điều này trả về chỉ mục 8 chứa giá trị tối đa cho một cột


            Courses    Fee Duration
0             Spark  22000   30days
1             Spark  25000   35days
2           PySpark  23000   40days
3              JAVA  24000   45days
4            Hadoop  26000   50days
5              .Net  30000   55days
6            Python  27000   60days
7               AEM  28000   35days
8            Oracle  35000   30days
9           SQL DBA  32000   40days
10                C  20000   50days
11  WebTechnologies  15000   55days

3. Nhận giá trị tối đa thực tế của cột

Bạn có thể lấy giá trị hàng của cột tối đa của gấu trúc bằng cách sử dụng thuộc tính


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]

5 và idxmax[]. Thuộc tính


            Courses    Fee Duration
0             Spark  22000   30days
1             Spark  25000   35days
2           PySpark  23000   40days
3              JAVA  24000   45days
4            Hadoop  26000   50days
5              .Net  30000   55days
6            Python  27000   60days
7               AEM  28000   35days
8            Oracle  35000   30days
9           SQL DBA  32000   40days
10                C  20000   50days
11  WebTechnologies  15000   55days

7 được sử dụng để truy cập một nhóm các hàng và cột theo [các] nhãn hoặc một mảng boolean


# Using DataFrame.loc[] property.
df2=df.loc[df['Fee'].idxmax[]]
print[df2]

Sản lượng dưới sản lượng


Courses     Oracle
Fee          35000
Duration    30days
Name: 8, dtype: object

4. Sử dụng Khung dữ liệu. truy vấn [] để lấy cột giá trị hàng tối đa

Bạn có thể lấy giá trị Hàng của cột tối đa của pandas bằng cách sử dụng phương thức


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]

4. Phương thức


            Courses    Fee Duration
0             Spark  22000   30days
1             Spark  25000   35days
2           PySpark  23000   40days
3              JAVA  24000   45days
4            Hadoop  26000   50days
5              .Net  30000   55days
6            Python  27000   60days
7               AEM  28000   35days
8            Oracle  35000   30days
9           SQL DBA  32000   40days
10                C  20000   50days
11  WebTechnologies  15000   55days

9 được sử dụng để truy vấn các cột của DataFrame bằng biểu thức boolean. Điều này trả về toàn bộ hàng


# Using DataFrame.query[] method.
df2=df.query['Fee == Fee.max[]']
print[df2]

Sản lượng dưới sản lượng


  Courses    Fee Duration
8  Oracle  35000   30days

5. Sử dụng nlớn nhất [] để lấy cột tối đa

Bạn có thể tìm số lượng gấu trúc tối đa trong cột bằng cách sử dụng hàm


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]

6. Hàm


# Using DataFrame.idxmax[] Method.
value=df['Fee'].idxmax[]
print[value]

# Outputs
# 8

1 được sử dụng để lấy n hàng đầu tiên được sắp xếp theo các cột theo thứ tự giảm dần. Các cột không được chỉ định cũng được trả về, nhưng không được sử dụng để sắp xếp


#Using DataFrame.nlargest[] function.
df2=df.nlargest[2,['Fee']]
print[df2]

Sản lượng dưới sản lượng


   Courses    Fee Duration
8   Oracle  35000   30days
9  SQL DBA  32000   40days

Theo cách tương tự, bạn cũng có thể sử dụng nó để tìm các giá trị


# Using DataFrame.idxmax[] Method.
value=df['Fee'].idxmax[]
print[value]

# Outputs
# 8

2 của các giá trị hàng của cột bằng hàm


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]

Sản lượng dưới sản lượng


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]

6. Ví dụ đầy đủ - Giá trị hàng của cột tối đa

Dưới đây là các ví dụ đầy đủ về giá trị hàng của cột tối thiểu của pandas DataFrame


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]

Phần kết luận

Trong bài viết này, Bạn có thể tìm các giá trị hàng cho đến giá trị cột tối đa của Pandas DataFrame bằng cách sử dụng các phương thức


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]

4 và thuộc tính


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]

5. Bạn cũng có thể sử dụng


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]

6 và


# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
    'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
    'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
    'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
          }
df = pd.DataFrame[technologies]
print[df]

7 để nhận các cột tối đa và tối thiểu trong DataFrame với các ví dụ trên

Làm cách nào để tìm chỉ mục có giá trị tối đa trong cột Pandas?

Khung dữ liệu Pandas Phương thức idxmax[] . Bằng cách chỉ định trục cột [ axis='columns' ], phương thức idxmax[] trả về một Sê-ri có chỉ số là giá trị lớn nhất cho mỗi hàng.

Làm thế nào để có được hàng với Pandas giá trị tối đa?

Bạn có thể lấy các giá trị hàng của cột tối đa của gấu trúc bằng cách sử dụng DataFrame. thuộc tính loc[] và idxmax[] . Thuộc tính loc[] được sử dụng để truy cập một nhóm hàng và cột theo [các] nhãn hoặc mảng boolean.

Max trong Pandas là gì?

Pandas là một trong những gói đó và giúp việc nhập và phân tích dữ liệu dễ dàng hơn nhiều. khung dữ liệu gấu trúc. hàm max[] trả về giá trị lớn nhất trong đối tượng đã cho . Nếu đầu vào là một chuỗi, phương thức sẽ trả về một đại lượng vô hướng sẽ là giá trị lớn nhất trong chuỗi.

Làm cách nào để tìm chỉ mục của một phần tử trong DataFrame bằng Python?

Nó hoạt động như thế nào? .

Bước 1. Nhận khung dữ liệu bool với True tại các vị trí có giá trị là 81 trong khung dữ liệu bằng gấu trúc. Khung dữ liệu. khung dữ liệu isin[]. .

Bước 2. Nhận danh sách các cột có chứa giá trị. .

Bước 3. Lặp lại các cột đã chọn và tìm nạp các chỉ mục của các hàng chứa giá trị

1. Ví dụ nhanh về Tìm giá trị hàng cho Cột tối đa trong Pandas

2. Sử dụng Khung dữ liệu. idxmax[] Nhận chỉ số hàng của cột tối đa

3. Nhận giá trị tối đa thực tế của cột

4. Sử dụng Khung dữ liệu. truy vấn [] để lấy cột giá trị hàng tối đa

5. Sử dụng nlớn nhất [] để lấy cột tối đa

6. Ví dụ đầy đủ - Giá trị hàng của cột tối đa

Phần kết luận

Làm cách nào để tìm chỉ mục có giá trị tối đa trong cột Pandas?

Làm thế nào để có được hàng với Pandas giá trị tối đa?

Max trong Pandas là gì?

Làm cách nào để tìm chỉ mục của một phần tử trong DataFrame bằng Python?

Bài Viết Liên Quan

Toplist mới

Bài mới nhất

Chủ Đề