Python 如何获取要附加到数据帧的前n个值和相应的列标题

我有一个tensorflow多类预测的结果，我能够得到每一行的顶部值及其相应的列标题（这是最有可能的预测类），以便附加到原始数据中进行进一步分析，如：

原始结果df与预测概率类似，但有260列。列标题是整数的第一行。。可能性为百万分之0、1等行

    0   1   2   3   4   5   6   7   8   9   10  11  ....... 259
0   8.840584e-08    0.000115    0.000210    0.001662    0.002789    
1   0.000312    0.000549    0.002412    0.000630    0.000077    

用于获取最大值（包含在行中）的代码是：

并获取相应的列标题并将其附加到原始DF：

eval_datan['pred']=predsdf.idxmax(axis=1) #gets the column header for the largest value

我不知道如何在这种情况下获得前5名，并将其添加到原始DF中

目前的结果如下所示：

    agegrp  gender  race    marital_status  region  ccs1    ccs2    ccs3    ccs4    ccs5    odds    pred
0   272 284 298 288 307 101 164 53  98  200 0.066987    102
1   272 285 300 290 307 204 120 147 258 151 0.196983    47
2   272 284 298 289 307 197 2   39  253 259 0.109894    259

所以我想要的是原始数据末尾的前5名pred和前5名赔率

---

我已经查看了熊猫中的NLAGEST，但到目前为止没有运气？

您可以通过更改下面的变量

N

来选择前N个功能

import pandas as pd

df = pd.read_table('your_sample_data.txt', delimiter='\s+')

n=3  # Top N features
frames = []

df.T.apply(lambda x: frames.append(x.sort_values(ascending=False).head(n).index.tolist()), axis=0)

print(df)
print(df.join(pd.DataFrame(frames, columns=['ccs{}'.format(n+1) for n in range(n)])))


              0         1         2         3         4
0  8.840584e-08  0.000115  0.000210  0.001662  0.002789
1  3.120000e-04  0.000549  0.002412  0.000630  0.000077

              0         1         2         3         4 ccs1 ccs2 ccs3
0  8.840584e-08  0.000115  0.000210  0.001662  0.002789    4    3    2
1  3.120000e-04  0.000549  0.002412  0.000630  0.000077    2    3    1

---

看起来不错！我会试一试，虽然看起来可能会慢一些，但至少它应该能完成任务，我希望可能会有一些更好的功能，类似于我原来做的。所以我会一直开着，直到我有机会在am中验证！谢谢。我同意会有更优雅的方式。但就速度而言，与我未知的功能相比，它不会那么差。因为在这种情况下，它取决于未记录的特征数或每个值

.apply（axis=0）

方法在您的情况下应该只迭代260次（仍然每个260个向量将作为一个向量处理）。出于误解，我将为有意避开该方法的人留下此评论。非常感谢，为了澄清，我不得不修改如下内容，以获得列标题和添加到结果“eval_datan”n=5#Top n features frames=[]framesv=[]predsdf.T.apply（lambda x:frames.append（x.sort\u values（升序=False）.head（n）.index.tolist（）、axis=0）predsdf.T.apply（lambda x:framesv.append（x.sort_值（升序=False）.head（n.tolist（）、axis=0）和：eval_datan=eval_datan.join（pd.DataFrame（frames，columns=['ccsp{}.format（n+1）表示范围（n）]）中的n）eval_datan=eval_datan.join（pd.DataFrame（framesv，columns=['oddsp{.1）表示范围（n）]）为了清晰起见，您可能需要编辑您的答案？如上

import pandas as pd

df = pd.read_table('your_sample_data.txt', delimiter='\s+')

n=3  # Top N features
frames = []

df.T.apply(lambda x: frames.append(x.sort_values(ascending=False).head(n).index.tolist()), axis=0)

print(df)
print(df.join(pd.DataFrame(frames, columns=['ccs{}'.format(n+1) for n in range(n)])))


              0         1         2         3         4
0  8.840584e-08  0.000115  0.000210  0.001662  0.002789
1  3.120000e-04  0.000549  0.002412  0.000630  0.000077

              0         1         2         3         4 ccs1 ccs2 ccs3
0  8.840584e-08  0.000115  0.000210  0.001662  0.002789    4    3    2
1  3.120000e-04  0.000549  0.002412  0.000630  0.000077    2    3    1