Pandas 熊猫：第k大熊猫的idxmax

有了概率分布的

df

，我得到了

df.idxmax（axis=1）

行的最大概率，如下所示：

df['1k-th'] = df.idxmax(axis=1)

并得到如下结果：

（如果看不到所有列，请向右滚动表格）

问题是如何得到第2、3等概率，从而得到以下结果：

    0           1           2           3           4           5           6           1k-th   2-th
0   0.114869    0.020708    0.025587    0.028741    0.031257    0.031619    0.747219    6       0
1   0.020206    0.012710    0.010341    0.012196    0.812495    0.113863    0.018190    4       3
2   0.023585    0.735475    0.091795    0.021683    0.027581    0.054217    0.045664    1       4
3   0.009834    0.009175    0.013165    0.016014    0.015507    0.899115    0.037190    5       4
4   0.023357    0.736059    0.088721    0.021626    0.027341    0.056289    0.046607    1       2

---

谢谢大家!

我自己的解决方案不是最漂亮的，但它确实有效，而且运行速度很快：

for i in range(7):
    p[f'{i}k'] = p[[0,1,2,3,4,5,6]].idxmax(axis=1)
    p[f'{i}k_v'] = p[[0,1,2,3,4,5,6]].max(axis=1)

    for x in range(7):
        p[x] = np.where(p[x]==p[f'{i}k_v'], np.nan, p[x])

循环执行以下操作：

• 查找最大值及其列索引
• 删除找到的值（设置为

  nan

  ） 再次
• 查找第二大值
• 删除找到的值
• 等等。。。

  ---

---

您的问题已经得到了回答

for i in range(7):
    p[f'{i}k'] = p[[0,1,2,3,4,5,6]].idxmax(axis=1)
    p[f'{i}k_v'] = p[[0,1,2,3,4,5,6]].max(axis=1)

    for x in range(7):
        p[x] = np.where(p[x]==p[f'{i}k_v'], np.nan, p[x])