攝影或3C

Python: 如何求整個 pandas.DataFrame 中的最大值? pandas.DataFrame .max().max() ; 如何求最大值的index, columns? numpy.where(condition, [x, y, ]/) ; condition為一 bool_mask

本文參考:

https://pythonexamples.org/pandas-dataframe-maximum-max/

import pandas as pd

mydictionary = {'physics': [68, 74, 77, 78],
'chemistry': [84, 56, 73, 69],
'algebra': [78, 88, 82, 87]}

# create dataframe
df_marks = pd.DataFrame(mydictionary)
print('DataFrame\n----------')
print(df_marks)

# calculate max of whole DataFrame
mean = df_marks.max().max()
print('\nMaximum Value\n------')
print(mean)

axis=0 , 1 :

import numpy as np
import pandas as pd

data = [[1, 2, 1], [4, 5, 4], [7, 8, 7]]
pPol_mean_Amp = pd.DataFrame(data, index=[0, 1, 2],
columns=[0, 1, 2])

max_row, max_col = np.where(pPol_mean_Amp ==
pPol_mean_Amp.values.max())

print("data:\n",data)
print("\nmax_row:",max_row, type(max_row))
print("\nmax_col:",max_col, type(max_col) )

“””pPol_mean_Amp.values 是 Numpy 陣列，

而非 Pandas.DataFrame，

所以在 Numpy 陣列上使用 .max() 方法可以直接找出最大值

不用.max().max()。

numpy官網:

When only condition is provided,

this function is a shorthand(速記) for

np.asarray(condition).nonzero(). #不是nonzeros()

Using nonzero directly should be preferred,

as it behaves correctly for subclasses.

np.asarray() 和 np.array() 都可以用来将输入转换为numpy array。

不同之处在于，如果输入参数本身就是numpy array，

则np.asarray()不会进行副本操作，

而np.array()总是会进行副本操作。

例如，对于一个numpy array a，np.asarray(a) 返回的是 a 的视图，

而 np.array(a) 返回的是 a 的副本。对于非numpy array 的输入，

则 np.asarray() 和 np.array() 的操作效果是一样的。

“””

max_row (max_col)是一個

1維,長度1的array

如果要取出數值

使用 max_row[0]

如果index/columns不是整數

而是-90~90, step=0.1 之類的浮點數

使用以下方法:

bool_mask = dfTA15_floatIdxCol == maxAmp
ary_idxr, ary_idxc = np.where(bool_mask)

# np.where() return Tuple[np.ndarray]
idxr = ary_idxr[0]
idxc = ary_idxc[0]
#idxr idxc是int64,表示第幾個,
#搭配.iloc[]定位也是可以
#但idxr_float可以直接看出來
#最大值發生的角度在那裡
idxr_float = df_floatIdxCol.index[idxr]
idxc_float = df_floatIdxCol.columns[idxc]

如果想要從np.where()

快進到idxr_float :

idxr_float = df_floatIdxCol.index[ np.where(bool_mask)[0][0] ]

會比較難看懂

驗證以下這句話

When only condition is provided,

this function is a shorthand(速記) for

np.asarray(condition).nonzero().

ary_mask = np.asarray(mask)

“””#取名為mask,是因為DataFrame[mask]

#可以起到遮罩的功能,

#即為官網所謂的condition