Python 格式化最大值和索引值的输出

下面的代码输出指定列

max\u列

和

min\u列

的最大值及其索引。我想以预期结果的格式打印它。其中最大值及其索引位于同一行。如何安排

max_值\u STD\u Q1、max_索引\u STD\u Q1

，以获得预期结果

input.csv文件：

element,LNPT,SNPT,NLP,NSP,TNT,TPnL,MxPnL,MnPnL,MxU,MxD
[ 2.  2. 30.],0,0,4,4,8,-0.1,-0.0,-0.1,17127,-3
[ 2.  2. 40.],0,0,2,2,4,0.0,-0.0,-0.0,17141,-3
[ 2.  2. 50.],0,0,2,2,4,0.0,-0.0,-0.0,17139,-3
[ 2.  2. 60.],2,0,6,6,12,0.5,2.3,-1.9,17015,-3
[ 2.  2. 70.],1,0,4,4,8,0.3,0.3,-0.0,17011,-3

代码：

输出：

Max values for STDOutputs_Q1:
LNPT      1777.0
SNPT      1677.0
NLP       7410.0
MxPnL       97.9
NSP       7410.0
TNT      14820.0
TPnL       853.1
MxU      26060.0
dtype: float64
Index: 
LNPT       215
SNPT       211
NLP        214
MxPnL    56175
NSP        214
TNT        214
TPnL      6842
MxU          1

预期产出：

LNPT      1777.0   Index: 215
SNPT      1677.0   Index: 211
NLP       7410.0   Index: 214
MxPnL       97.9   Index: 56175
NSP       7410.0   Index: 214
TNT      14820.0   Index: 214
TPnL       853.1   Index: 6842
MxU      26060.0   Index: 1
dtype: float64

---

您可以将

max\u value\u STD\u Q1

和

max\u index\u STD\u Q1

合并，然后重命名列。将信息添加到列

max\u index

df=pd.concat（[max_values_STD_Q1，max_index_STD_Q1]，轴=1）
df.columns=['max_value'，'max_index']
df['max_index']='index:'+df['max_index'].astype（str）

两个函数都使用转置：

---

编辑：

---

是否还有一种方法可以将索引视为元素值，从而将

LNPT

的索引改为3，而是

[2.2.60.]

@tonyselcuk-是的，您可以尝试

设置索引

类似于

编辑
中的答案。
LNPT      1777.0   Index: 215
SNPT      1677.0   Index: 211
NLP       7410.0   Index: 214
MxPnL       97.9   Index: 56175
NSP       7410.0   Index: 214
TNT      14820.0   Index: 214
TPnL       853.1   Index: 6842
MxU      26060.0   Index: 1
dtype: float64

# print(df)

       max_value max_index
LNPT         2.0  Index: 3
SNPT         0.0  Index: 0
NLP          6.0  Index: 3
MxPnL        2.3  Index: 3
MnPnL       -0.0  Index: 1
MxD         -3.0  Index: 0

df = pd.read_csv('input.csv')
max_columns = ['LNPT', 'SNPT', 'NLP', 'MxPnL', 'MnPnL', 'MxD'] # named indexes

df1 = df[max_columns].agg(['max','idxmax']).T
df1.columns = ['max_value', 'max_index']

print (df1)
       max_value  max_index
LNPT         2.0        3.0
SNPT         0.0        0.0
NLP          6.0        3.0
MxPnL        2.3        3.0
MnPnL       -0.0        1.0
MxD         -3.0        0.0

max_columns = ['LNPT', 'SNPT', 'NLP', 'MxPnL', 'MnPnL', 'MxD'] # named indexes

df1 = df[max_columns].agg(['max','idxmax']).T
df1.columns = ['max_value', 'max_index']
df1['max_index'] = 'Index: ' + df1['max_index'].astype(int).astype(str)

print (df1)
       max_value max_index
LNPT         2.0  Index: 3
SNPT         0.0  Index: 0
NLP          6.0  Index: 3
MxPnL        2.3  Index: 3
MnPnL       -0.0  Index: 1
MxD         -3.0  Index: 0

max_columns = ['LNPT', 'SNPT', 'NLP', 'MxPnL', 'MnPnL', 'MxD'] # named indexes

df1 = df.set_index('element')[max_columns].agg(['max','idxmax']).T
df1.columns = ['max_value', 'max_index']
df1['max_index'] = 'Index: ' + df1['max_index'].astype(str)

print (df1)
      max_value            max_index
LNPT          2  Index: [ 2. 2. 60.]
SNPT          0  Index: [ 2. 2. 30.]
NLP           6  Index: [ 2. 2. 60.]
MxPnL       2.3  Index: [ 2. 2. 60.]
MnPnL      -0.0  Index: [ 2. 2. 40.]
MxD          -3  Index: [ 2. 2. 30.]