获取行和列的名称（argmax）在大熊猫数据帧最大入口

Question

df.idxmax（）返回的max沿一个轴（行或列），但我想ARG_MAX（DF）在整个数据框，它返回一个元组（行列）。

使用情况下，我已经记特征选择，其中我有一个相关矩阵，并希望“递归”与最高的相关删除功能。我预处理相关矩阵以考虑其绝对值并将对角线元素设置为-1。然后，我建议使用rec_drop，其中递归下降下列内容之一的功能，对具有最高的相关性（受截止：max_allowed_correlation），并返回的功能最终名单。例如： -

S = S.abs() 
np.fill_diagonal(S.values,-1) # so that max can't be on the diagonal now 
S = rec_drop(S,max_allowed_correlation=0.95) 

def rec_drop(S, max_allowed_correlation=0.99): 
    max_corr = S.max().max() 
    if max_corr<max_allowed_correlation: # base case for recursion 
     return S.columns.tolist() 
    row,col = arg_max(S) # row and col are distinct features - max can't be on the diagonal 
    S = S.drop(row).drop(row,axis=1) # removing one of the features from S 
    return rec_drop(S, max_allowed_correlation) 

Answer 1

假设你所有的大熊猫表的数值，是你可以做的是改变其numpy的解释，并从那里获取最大的位置。不过，numpy的的argmax作品的扁平数据，所以你需要解决：

# Synthetic data 
>>> table = pd.DataFrame(np.random.rand(5,3)) 
>>> table 
      0   1   2 
0 0.367720 0.235935 0.278112 
1 0.645146 0.187421 0.324257 
2 0.644926 0.861077 0.460296 
3 0.035064 0.369187 0.165278 
4 0.270208 0.782411 0.690871 

[5 rows x 3 columns 

变换表numpy的数据和计算argmax：

>>> data = table.as_matrix() 
>>> amax = data.argmax() # 7 in this case 
>>> row, col = (amax//data.shape[1], amax%data.shape[1]) 
>>> row, col 
(2, 1)