Python 系列max和idxmax

我试图得到一个系列对象的最大值以及相应的索引

s=pd.系列（np.random.randn（5），索引=['a'，'b'，'c'，'d'，'e']）

s、 max（）将返回最大值，而s.idxmax（）将返回最大值的索引。 是否有一种方法可以让我们获得该值及其对应的索引

---

谢谢。

自定义函数怎么样？差不多

import numpy as np
import pandas as pd

s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])

def Max_Argmax(series):  # takes as input your series
   values = series.values  # store numeric values
   indexes = series.index  # store indexes
   Argmax = np.argmax(values)  # save index of max
   return values[Argmax], indexes[Argmax] # return max and corresponding index

(max, index) = Max_Argmax(s)

我在我的电脑上运行它，我得到：

>>> s
a   -1.854440
b    0.302282
c   -0.630175
d   -1.012799
e    0.239437
dtype: float64

>>> max
0.3022819091746019

>>> index
'b'

---

希望有帮助

自定义函数怎么样？差不多

import numpy as np
import pandas as pd

s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])

def Max_Argmax(series):  # takes as input your series
   values = series.values  # store numeric values
   indexes = series.index  # store indexes
   Argmax = np.argmax(values)  # save index of max
   return values[Argmax], indexes[Argmax] # return max and corresponding index

(max, index) = Max_Argmax(s)

我在我的电脑上运行它，我得到：

>>> s
a   -1.854440
b    0.302282
c   -0.630175
d   -1.012799
e    0.239437
dtype: float64

>>> max
0.3022819091746019

>>> index
'b'

---

希望有帮助

正如Jon Clements提到的：

In [3]: s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
In [4]: x, y = s.agg(['max', 'idxmax'])
In [5]: x
Out[5]: 1.6339096862287581
In [6]: y
Out[6]: 'b'
In [7]: s
Out[7]: a    1.245039
        b    1.633910
        c    0.619384
        d    0.369604
        e    1.009942
        dtype: float64

作为对请求元组的响应：

def max_and_index(series):
    """Return a tuple of (max, idxmax) from a pandas.Series"""
    x, y = series.agg(['max', 'idxmax'])
    return x, y

t = max_and_idxmax(s)
print(t)
(1.6339096862287581, 'b')
print(type(t))
<class 'tuple'>

如果需要速度，请使用numpy方法

---

正如Jon Clements提到的：

In [3]: s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
In [4]: x, y = s.agg(['max', 'idxmax'])
In [5]: x
Out[5]: 1.6339096862287581
In [6]: y
Out[6]: 'b'
In [7]: s
Out[7]: a    1.245039
        b    1.633910
        c    0.619384
        d    0.369604
        e    1.009942
        dtype: float64

作为对请求元组的响应：

def max_and_index(series):
    """Return a tuple of (max, idxmax) from a pandas.Series"""
    x, y = series.agg(['max', 'idxmax'])
    return x, y

t = max_and_idxmax(s)
print(t)
(1.6339096862287581, 'b')
print(type(t))
<class 'tuple'>

如果需要速度，请使用numpy方法

---

你认为s1=s[s==val]？类似于：

s.agg（['max'，'idxmax']）

？尽管。。。

idx=s.idxmax（）没有问题；val=s[idx]

。@jezrael不确定这是一个像样的骗局。。。这更倾向于过滤……你认为s1=s[s==val]？类似于：

s.agg（['max'，'idxmax'））

？尽管。。。

idx=s.idxmax（）没有问题；val=s[idx]

。@jezrael不确定这是一个像样的骗局。。。这更倾向于过滤…下降到NumPy有好处吗。而且，如果目的是为了性能，为什么我们（有效地）通过

max

+

argmax

）计算两次最大值（一个2通解决方案）？hi@jpp！谢谢你的评论。现在呢？我取下了np.max线条当然，这样更好。但是看看与

idx=s.idxmax（）相比是否有任何显著的优势；val=s[idx]

[正如@JonClements所建议的那样]，我建议您在一个大数据帧上计时，例如，

%timeit

，否则这看起来有点冗长。我在下面的回答中添加了一些计时，这种方式肯定更快。使用NumPy有好处吗。而且，如果目的是为了性能，为什么我们（有效地）通过

max

+

argmax

）计算两次最大值（一个2通解决方案）？hi@jpp！谢谢你的评论。现在呢？我取下了np.max线条当然，这样更好。但是看看与

idx=s.idxmax（）相比是否有任何显著的优势；val=s[idx]

[正如@JonClements建议的那样]，我建议您在一个大数据帧上计时，例如，

%timeit

，否则这看起来有点冗长。我在下面的回答中添加了一些计时，这种方式肯定更快。