熊猫（python）：最大列数在新列中定义新值

我有一个大约50列的df：

Product ID | Cat1 | Cat2 |Cat3 | ... other columns ...
8937456       0      5     10
8497534       25     3     0
8754392       4      15    7 

Cat表示一个类别中该产品的数量。现在我想添加一列“Category”，表示产品的主要类别（忽略其他列，只考虑Cat列）

df_目标：

Product ID | Cat1 | Cat2 |Cat3 | Category | ... other columns ...
8937456       0      5     10       3
8497534       25     3     0        1
8754392       4      15    7        2

我想我需要使用max和apply或map

我在stackoverflow上找到了这些，但它们没有解决类别分配问题。在Excel中，我将列从Cat 1重命名为1，并使用索引（match（max））

这里有一个简单的方法-

要将选择限制到这些列，请专门使用这些列标题/名称，然后使用

idxmax

，最后将字符串

Cat

替换为`空字符串，如下所示-

df['Category'] = df[['Cat1','Cat2','Cat3']].idxmax(1).str.replace('Cat','')

numpy.argmax

或

panda的idxmax

基本上可以沿轴获取max元素的ID

---

如果我们知道

Cat

列的列名从

1st

列开始，到

4th

列结束，我们可以对数据帧进行切片：

df.iloc[：，1:4]

而不是

df[['Cat1'，'Cat2'，'Cat3']

，谢谢您的快速回复；我可以问一下，argmax是如何工作的吗？不幸的是，我在df中还有其他列；有没有办法将其限制为这些列，或者我应该将所需的列保存为自己的df？选择这些列，然后使用

.values

.uhh！明亮的测试df['Category']=df['Cat1'，'Cat2'，'Cat3']].idxmax（1）.str.replace（'Cat'，''）工作正常；惊人的一行；谢谢你-希望我能多投一票

df['Category'] = df[['Cat1','Cat2','Cat3']].idxmax(1).str.replace('Cat','')