Python 查找每列为行最小值的频率

我有一个数据框，看起来像：

       A     B     C     D
 0   1.2     0   1.1   3.2
 1   2.3   2.2   2.2   2.5
 2   1.1   1.5     0   1.7
 3     0   1.1   1.4   1.2
 4   3.3   3.0   1.7   1.7
 5   1.1   1.0   2.2   2.5
 6   5.0   5.0   5.0   5.0

我想找出每列包含行的最小值的频率。因此，以某种形式：

B: 2               # rows 0, 5
A: 1               # row 3
C: 1               # row 2
(B, C): 1          # row 1
(C, D): 1          # row 4
(A, B, C, D): 1    # row 6

我目前正在做

df.min（axis=1）

，然后使用

df.iloc

循环每一行。。。但必须有更好的办法

如果有关系的话，我有几百列，几千行，它代表一个样本，所以我必须执行大约一百万次操作。我肯定错过了一个明显的pandas或numpy方法，它既能以pythonical的方式，又能相当有效地完成这项工作。

IIUC

转换数据集（使用axis使其更容易）

确定每列中最小值的位置

标识每个min的列名

价值计算

IIUC

转换数据集（使用axis使其更容易）

确定每列中最小值的位置

标识每个min的列名

价值计算

使用，创建一个布尔掩码，然后在

df.columns

上使用，然后使用此掩码计算频率：

---

使用，创建一个布尔掩码，然后在

df.columns

上使用，然后使用此掩码计算频率：

---

---

使用

stack

和

unstack

df.eq(df.min(1),0).stack().loc[lambda x : x].reset_index(level=1).groupby(level=0)['level_1'].agg(tuple).value_counts()
(B,)            2
(C, D)          1
(A,)            1
(B, C)          1
(A, B, C, D)    1
(C,)            1
Name: level_1, dtype: int64

---

使用

stack

和

unstack

df.eq(df.min(1),0).stack().loc[lambda x : x].reset_index(level=1).groupby(level=0)['level_1'].agg(tuple).value_counts()
(B,)            2
(C, D)          1
(A,)            1
(B, C)          1
(A, B, C, D)    1
(C,)            1
Name: level_1, dtype: int64

---

这几乎是我得出的完全相同的解决方案+1

df.eq（df.min（axis=1），axis=0）。dot（df.columns）。value_counts（）

谢谢@ScottBoston；）。谢谢我怀疑这会有一个简单的答案，因此毫不奇怪，我很快就得到了各种各样的解决方法。根据我的实际数据，您的答案是发布速度最快的（几乎是发布速度的两倍），但使用最终答案需要字符串操作。你能补救一下吗？（我知道我指定了“某种格式”，我可能应该更精确一点）您希望将索引括在括号中。对吧？我想要一个理想的可折叠的。（我知道这会破坏我请求的输出——对此我深表歉意——这是我编辑请求的输出的礼节吗？）+1

df.eq（df.min（axis=1），axis=0）。dot（df.columns）。value_counts（）

谢谢@ScottBoston；）。谢谢我怀疑这会有一个简单的答案，因此毫不奇怪，我很快就得到了各种各样的解决方法。根据我的实际数据，您的答案是发布速度最快的（几乎是发布速度的两倍），但使用最终答案需要字符串操作。你能补救一下吗？（我知道我指定了“某种格式”，我可能应该更精确一点）您希望将索引括在括号中。对吧？我想要一个理想的可折叠的。（我知道这会破坏我请求的输出——对此我深表歉意——这是我编辑请求的输出的礼节吗？）我使用了这个解决方案，因为尽管它比@ShubhamSharma的解决方案慢，但它（对我）是最直观的，并且不需要对列名进行后处理。我使用了这个解决方案，虽然它比@ShubhamSharma的解决方案慢，但它（对我来说）是最直观的，并且不需要对列名进行后处理。

# print(freq)
B          2
C,D        1
A          1
A,B,C,D    1
C          1
B,C        1
dtype: int64

df.eq(df.min(1),0).stack().loc[lambda x : x].reset_index(level=1).groupby(level=0)['level_1'].agg(tuple).value_counts()
(B,)            2
(C, D)          1
(A,)            1
(B, C)          1
(A, B, C, D)    1
(C,)            1
Name: level_1, dtype: int64