如果dataframe行为1,其余值为0,如何设置最大值

使用:

df.eq(df.where(df != 0).max(1), axis=0).astype(int)

其中df,

      x    y    z
ix               
0   3.0  4.0  1.0
1   2.0  1.0  6.0
2   7.0  1.0  6.0
3   0.0  0.0  0.0
4   4.0  0.0  4.0

输出:

    x  y  z
ix         
0   0  1  0
1   0  0  1
2   1  0  0
3   0  0  0
4   1  0  1

另一种方法使用 rank 以下内容:

df.where(df!=0).rank(1, ascending=False, method='dense').eq(1).astype(int)

输出:

X Y Z轴
九
0 0 1 0
1 0 0 1
2 1 0 0
3 0 0 0
4 1 0 1

首先,找到数据帧中包含非零行的部分。然后找出最大值,并将它们与矩阵进行比较:

affected = (df != 0).any(axis=1)
nz = df[affected]
df[affected] = (nz.T == nz.max(axis=1)).T.astype(int)
#    x  y  z
#0   0  1  0
#1   0  0  1
#2   1  0  0
#3   0  0  0

一种相当不雅的做法是:

(df.T.max() == df.T).T.astype(int)

在这里我们计算 顺时针 最大值,然后将其与值进行比较(将这些值设置为 True / False ),下一步我们将其转换为 int S.

这将产生:

>>> (df.T.max() == df.T).T.astype(int)
   a  b  c
0  0  1  0
1  0  0  1
2  1  0  0

这个 .T 是必要的,因为这将计算 柱状 最大值。

或者像Achampion说的,我们可以计算 行最大值 具有 .max(axis=1) 然后使用 df.eq(..) 也要按行计算等式。比如:

>>> df.eq(df.max(axis=1), axis=0).astype(int)
   a  b  c
0  0  1  0
1  0  0  1
2  1  0  0

编辑 :仅更新非零行

例如,我们可以使用掩蔽来防止将这些值赋给零行。例如:

fl = (df != 0).any(axis=1)
df[fl] = df[fl].eq(df[fl].max(axis=1), axis=0).astype(int)

例如:

>>> df = pd.DataFrame([[3, 4, 1], [2, 1, 6], [7, 1, 6], [0, 0, 0]], columns=["a", "b", "c"])
>>> fl = (df != 0).any(axis=1)
>>> df[fl] = df[fl].eq(df[fl].max(axis=1), axis=0).astype(int)
>>> df
   a  b  c
0  0  1  0
1  0  0  1
2  1  0  0
3  0  0  0