Python Pandas Series.argmax()用法及代码示例

Pandas 系列是带有轴标签的一维ndarray。标签不必是唯一的，但必须是可哈希的类型。该对象同时支持基于整数和基于标签的索引，并提供了许多方法来执行涉及索引的操作。

Pandas Series.argmax()函数返回给定系列对象中最大值的行标签。

用法： Series.argmax(axis=0, skipna=True, *args, **kwargs)

范例1：采用Series.argmax()返回给定系列对象中最大值的行标签的函数

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series([34, 5, 13, 32, 4, 15]) 
  
# Create the Index 
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp'] 
  
# set the index 
sr.index = index_ 
  
# Print the series 
print(sr)

输出：

Coca Cola    34
Sprite        5
Coke         13
Fanta        32
Dew           4
ThumbsUp     15
dtype:int64

现在我们将使用Series.argmax()函数返回给定系列对象中最大值的行标签。

# return the row label for 
# the maximum value 
result = sr.argmax() 
  
# Print the result 
print(result)

输出：

Coca Cola

正如我们在输出中看到的，Series.argmax()函数已成功返回给定系列对象中最大值的行标签。

范例2：采用Series.argmax()函数返回给定系列对象中最大值的行标签。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series([11, 21, 8, 18, 65, 18, 32, 10, 5, 32, None]) 
  
# Create the Index 
# apply yearly frequency 
index_ = pd.date_range('2010-10-09 08:45', periods = 11, freq ='Y') 
  
# set the index 
sr.index = index_ 
  
# Print the series 
print(sr)

输出：

2010-12-31 08:45:00    11.0
2011-12-31 08:45:00    21.0
2012-12-31 08:45:00     8.0
2013-12-31 08:45:00    18.0
2014-12-31 08:45:00    65.0
2015-12-31 08:45:00    18.0
2016-12-31 08:45:00    32.0
2017-12-31 08:45:00    10.0
2018-12-31 08:45:00     5.0
2019-12-31 08:45:00    32.0
2020-12-31 08:45:00     NaN
Freq:A-DEC, dtype:float64

现在我们将使用Series.argmax()函数返回给定系列对象中最大值的行标签。

# return the row label for 
# the maximum value 
result = sr.argmax() 
  
# Print the result 
print(result)

输出：

2014-12-31 08:45:00

正如我们在输出中看到的，Series.argmax()函数已成功返回给定系列对象中最大值的行标签。