python中的.argmax()和.idxmax()

综述

在python中，有 .argmax() 和 .idxmax() 两个函数，前者用于Series中，后者用于DataFrame中。

用法举例

举例如下：

import pandas as pd
import numpy as np
 
data = pd.DataFrame(np.arange(16).reshape(4, 4), columns=['A', 'B', 'C', 'D'])
# 查看DataFrame数据
print(data)
a = data.idxmin()
print(a)

得到结果：

    A   B   C   D
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15
A    0
B    0
C    0
D    0
dtype: int64

由此可见，.idxmin()返回的是DataFrame中每一列最小值的索引，例如像上面的例子中，每一列最小值分别为“1”， “2”， “3”， “4”，它们在行坐标上的索引都是0，所以得到如此结果。
同样地，在Series中，argmin()也是同样的效果，举例如下：

series = np.array([[1, 2, 3, 4, 5], [6, 4, 3, 2, 1]])
print(series)
a = series.argmax()
print(a)

其结果为：

[[1 2 3 4 5]
 [6 4 3 2 1]]
5

这是因为argmax()的运行步骤是先将Series中所有数排成一行，然后输出其中最大值的索引。

axis参数

如果想对DataFrame或Series中的每一列或每一行求最值的索引，可以使用axis参数。

• axis = 0：对每一列求最值
• axis = 1：对每一行求最值
  举例为下：

import pandas as pd
import numpy as np
 
data = pd.DataFrame(np.arange(16).reshape(4, 4), columns=['A', 'B', 'C', 'D'])
# 查看DataFrame数据
print(data)
a = data.idxmin(axis=0)
print(a)
b = data.idxmin(axis=1)
print(b)

结果为：

    A   B   C   D
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15
A    0
B    0
C    0
D    0
dtype: int64
0    A
1    A
2    A
3    A
dtype: object

series = np.array([[1, 2, 3, 4, 5], [6, 4, 3, 2, 1]])
print(series)
a = series.argmax(axis=0)
print(a)
b = series.argmax(axis=1)
print(b)

结果为：

[[1 2 3 4 5]
 [6 4 3 2 1]]
[1 1 0 0 0]
[4 0]