Python 过滤列和排序

我的数据帧是-

      Metric       Value              Model
0   Accuracy        87.608760       Logistic_Regression
1   Neg_log_loss    -0.332951       Logistic_Regression
2   F1_measure      0.854182        Logistic_Regression
3   AUC             0.927378        Logistic_Regression
4   Precision       0.871396        Logistic_Regression
5   Recall          0.837687        Logistic_Regression
6   Accuracy        96.433245       Random_Forest
7   Neg_log_loss   -0.105780        Random_Forest
8   F1_measure      0.958133        Random_Forest
9   AUC             0.994008        Random_Forest
10  Precision       0.974733        Random_Forest
11  Recall          0.942097        Random_Forest
12  Accuracy        84.836008       Naive_Bayes
13  Neg_log_loss   -0.917701        Naive_Bayes
14  F1_measure      0.823289        Naive_Bayes
15  AUC             0.915744        Naive_Bayes
16  Precision       0.831528        Naive_Bayes
17  Recall          0.815300        Naive_Bayes

metric='AUC'

现在我想选择其度量列（'AUC'）最高的模型。在这种情况下，它将打印模型名称随机森林，以创建一个布尔掩码，然后使用此掩码获得列

值
中最大值的
索引，其中度量为
AUC
，最后使用此索引获得相应的
模型
：

ind =df.loc[df['Metric'].eq('AUC'), 'Value'].idxmax()
model = df.loc[ind, 'Model']

结果:

print(model)

'Random_Forest'

给你：

df.loc[df.Metric=='AUC'，['Value'，'Model']].max（）['Model']
##--结束粘贴的文本--
Out[1]：“随机森林”
< /代码> 可选地，您也可以考虑通过< <代码> >代码> >所有代码> >代码> >度量> <代码>行：

df.groupby(['Metric'], as_index=False)['Value','Model'].max()

您还可以为“AUC”度量的“模型”列
.query（）
：

df.groupby(['Metric'], as_index=False)['Value','Model'].max().query('Metric == "AUC"')['Model']

如果您想使用基本功能，那么：

empty_value_list=[]

for i,j in zip(df['Metric'],df['Value']):
    if i=='AUC':
        empty_value_list.append(j)

max_value=max(empty_value_list)

for i,j,k in zip(df['Metric'],df['Value'],df['Model'])
    if i=='AUC' and j==max_value:
        print(k)
      
Out[1]: 'Random_Forest'  

您的问题是否旨在筛选和重新排序
df[df.Metric==“AUC”]。排序值（by=“Value”，升序=False）[“Model”]。[0]
这就像为您的需求编写代码一样简单