pandas获取最大值的索引

使用`idxmax()`方法可以获取Series或DataFrame中最大值的索引。示例如下：

import pandas as pd

# 创建一个Series
s = pd.Series([1, 3, 5, 7, 9])

# 获取最大值的索引
max_index = s.idxmax()

print(max_index)  # 输出：4

在DataFrame中，可以指定`axis`参数来沿着行或列方向获取最大值的索引。示例如下：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 获取每列最大值的索引
max_index = df.idxmax(axis=0)

print(max_index)

输出结果为：

A    2
B    2
C    2
dtype: int64

相关问题

pandas并列最大值的索引 np.where

在给定的例子中，使用np.where函数可以找到pandas DataFrame中指定字符串数据列中字符串的最大长度所对应的数据行的索引。具体地说，通过使用np.where(np.isnan(df))可以找到DataFrame中所有NaN值的索引位置。然后，使用df.index[np.where(np.isnan(df))[0]]可以获得NaN值所在的行索引，使用df.columns[np.where(np.isnan(df))[1]]可以获得NaN值所在的列索引。因此，在本例中，pandas并列最大值的索引可以通过np.where(np.isnan(df))结合df.index和df.columns来获得。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [pandas 如何找到NaN、缺失值或者某些元素的索引名称以及位置，np.where的使用](https://blog.csdn.net/domodo2012/article/details/110704594)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *3* [pandas使用len函数和max函数计算dataframe中指定字符串数据列中字符串的最大长度、并使用np.where函数筛选...](https://blog.csdn.net/zhongkeyuanchongqing/article/details/122598598)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

pandas 求近十日最大值

要求pandas求近十日最大值，可以按照以下步骤进行操作：

# 假设数据集为df，日期列为date，数值列为value
import pandas as pd

# 将日期列转换为datetime类型
df['date'] = pd.to_datetime(df['date'])

# 按照日期列升序排序
df = df.sort_values('date', ascending=True)

# 获取最近十天的数据
recent_data = df.tail(10)

# 获取最大值所在的行
max_row = recent_data.loc[recent_data['value'].idxmax()]

# 输出最大值所在的行
print(max_row)

其中，`pd.to_datetime()`函数可以将日期列转换为datetime类型，`df.sort_values()`函数可以按照日期列升序排序，`df.tail()`函数可以获取最近十天的数据，`loc[]`函数可以根据条件获取行，`idxmax()`函数可以获取最大值所在的行的索引。