如何使用pandas提取DataFrame每行前20%数值对应的列名

完整实现代码 #

import pandas as pd

# 1. 构造示例DataFrame，实际使用时替换为你自己的数据源即可
df = pd.DataFrame({
    'i1': [4],
    'i3': [2],
    'i4': [1],
    'i9': [4],
    'i14': [1],
    'i16': [3],
    'i17': [3],
    'i18': [4],
    'i19': [2],
    'i20': [2],
    'i22': [4],
    'i26': [1],
    'i27': [4],
    'i28': [3]
})

def get_top20_columns(row):
    # 计算当前行80分位数作为前20%数值的筛选阈值
    # interpolation='higher'保证阈值取到刚好覆盖前20%的最小数值，匹配示例输出
    threshold = row.quantile(q=0.8, interpolation='higher')
    # 返回符合条件的列名列表
    return row[row >= threshold].index.tolist()

# 2. 对DataFrame所有行执行处理，结果存储到新列top_20_cols中
df['top_20_cols'] = df.apply(get_top20_columns, axis=1)

# 输出第一行结果验证，和预期完全一致：['i1', 'i9', 'i18', 'i22', 'i27']
print(df.iloc[0]['top_20_cols'])

说明 #

• 如果需要单独获取所有行的处理结果，直接调用df['top_20_cols'].tolist()即可得到嵌套列表格式的结果
• 可根据需求调整quantile的q参数修改筛选比例，比如要取前30%就把q改成0.7即可

内容的提问来源于stack exchange，提问作者Andrea Longoni