python数据框中如果最大值索引不止一个，怎么取最后一个的索引

你可以使用 `numpy` 库中的 `argmax` 函数来获取最大值的索引。然后，你可以使用 `[::-1]` 的切片操作将索引列表反转，然后取第一个索引值即可。以下是一个示例代码：

import numpy as np

# 假设你的数据框名为 df，列名为 column_name
column_name = 'column_name'
max_index = np.argmax(df[column_name].values)

# 取最后一个最大值索引
last_max_index = max_index[::-1][0]

通过这种方式，你可以获取到最大值的最后一个索引。请确保你已经导入了 `numpy` 库。

相关问题

python 取张量中最大值的索引

在Python中，可以使用NumPy和TensorFlow库来获取张量中最大值的索引。其中，NumPy库中的argmax()函数可以返回张量沿指定维度最大值的索引，而TensorFlow库中的tf.argmax()函数也可以实现相同的功能。下面是两个库的使用方法：

1. 使用NumPy库获取张量中最大值的索引：

   import numpy as np
   
   data = np.array([1, 4, 5, 3, 2, 8, 6])
   max_index = np.argmax(data)
   
   print("最大值的索引为：", max_index)

2. 使用TensorFlow库获取张量中最大值的索引：

   import numpy as np
   import tensorflow as tf
   
   data = np.array([[1, 2, 3], [2, 3, 4], [5, 4, 3], [8, 7, 2]])
   max_index = tf.argmax(data, axis=1)
   
   with tf.Session() as sess:
       print("每一行的最大值的索引为：", sess.run(max_index))

其中，axis参数表示要沿哪个维度获取最大值的索引。在上面的例子中，axis=1表示要获取每一行的最大值的索引。

python获取向量中最大值及其索引，最大值不只一个

要获取向量中最大值及其索引，可以使用numpy库中的argmax函数。如果最大值不只一个，可以使用numpy库中的where函数来获取所有最大值的索引。以下是示例代码：

import numpy as np

# 定义一个向量
vec = np.array([0, 3, 1, 5, 7, 5])

# 获取最大值及其索引
max_val = np.max(vec)
max_idx = np.argmax(vec)

print("最大值：", max_val)
print("最大值索引：", max_idx)

# 获取所有最大值的索引
max_idxs = np.where(vec == np.max(vec))[0]
print("所有最大值索引：", max_idxs)

输出结果为：

最大值： 7
最大值索引： 4
所有最大值索引： [4 5]

其中，`np.max()`函数用于获取向量中的最大值，`np.argmax()`函数用于获取最大值的索引，`np.where()`函数用于获取满足条件的索引。注意，`np.where()`函数返回的是一个元组，因此需要使用索引 `[0]` 来获取索引数组。