獲取大熊貓每列最大值的數量

Question

我有每天的時間序列數據下面的數據框：

time-orig 00:15:00 00:30:00 00:45:00 01:00:00 
date     
2010-01-04 1164.3 1163.5 1162.8 1161.8 
2010-01-05 1186.3 1185.8 1185.6 1185.0 
2010-01-06 1181.5 1181.5 1182.7 1182.3 
2010-01-07 1202.1 1201.9 1201.7 1200.8 

現在我想每列最大值的這樣的數字：

'00:15:00' : 3 
'00:30:00' : 0 
'00:45:00' : 1 
'01:00:00' : 0 

（即：列'00：15：00'有3個最大值，每行最大值。）

我知道我可以轉置數據幀並在列上運行循環並使用idxmax（），但我的問題是如果有一個矢量化/更好的方法來做到這一點？

Answer 1

假設此處所作該date是索引。您可以使用df.idxmax其次df.value_counts：

print(df) 
time-orig 00:15:00 00:30:00 00:45:00 01:00:00 
date            
2010-01-04 1164.3 1163.5 1162.8 1161.8 
2010-01-05 1186.3 1185.8 1185.6 1185.0 
2010-01-06 1181.5 1181.5 1182.7 1182.3 
2010-01-07 1202.1 1201.9 1201.7 1200.8 

s = df.idxmax(1).value_counts().reindex(df.columns, fill_value=0) 
print(s) 

time-orig 
00:15:00 3 
00:30:00 0 
00:45:00 1 
01:00:00 0 
dtype: int64 

---

Divakar的解決方案是，如果你想有一個numpy的陣列相當快。爲了您的確切數據，有輕微的修改是需要他的回答：

val = np.bincount(df.values.argmax(1), minlength=df.shape[1]) 
s = pd.Series(val, df.columns) 
print(s) 

time-orig 
00:15:00 3 
00:30:00 0 
00:45:00 1 
01:00:00 0 
dtype: int64 

Answer 2

一種方法是對基礎數組數據使用np.argmax，然後做分級數的最大指數與np.bincount -

np.bincount(df.iloc[:,1:].values.argmax(1), minlength=df.shape[1]-1) 

採樣運行 -

In [141]: df 
Out[141]: 
    time-orig 00:15:00 00:30:00 00:45:00 01:00:00 
0 2010-01-04 1164.3 1163.5 1162.8 1161.8 
1 2010-01-05 1186.3 1185.8 1185.6 1185.0 
2 2010-01-06 1181.5 1181.5 1182.7 1182.3 
3 2010-01-07 1202.1 1201.9 1201.7 1200.8 

In [142]: c = np.bincount(df.iloc[:,1:].values.argmax(1), minlength=df.shape[1]-1) 

In [143]: c 
Out[143]: array([3, 0, 1, 0]) 

In [144]: np.c_[df.columns[1:], c] 
Out[144]: 
array([['00:15:00', 3], 
     ['00:30:00', 0], 
     ['00:45:00', 1], 
     ['01:00:00', 0]], dtype=object)