Jak działa pandas idxmax w języku Python? Przykład zastosowania

Praca z biblioteką Pandas w Pythonie to czysta przyjemność, a jedną z przydatnych funkcji jest idxmax(). Jeśli chcesz szybko znaleźć indeks maksymalnej wartości w DataFrame lub Series, to właśnie ta funkcja zrobi za Ciebie całą robotę.

Co to jest idxmax() w Pandas?

Funkcja idxmax() służy do zwracania indeksu pierwszej największej wartości w całej serii danych lub kolumnie DataFrame. To bardzo przydatne narzędzie, gdy chcemy znaleźć, dla którego wiersza dany atrybut osiąga najwyższą wartość.

Jest to znacznie bardziej intuicyjne niż korzystanie z argmax() czy innych metod iteracyjnych, ponieważ od razu zwraca indeks, zamiast pozycji liczbowej.

Podstawowa składnia funkcji idxmax()

Series.idxmax(axis=0, skipna=True)

Argumenty:

• axis – oś, na której operujemy (0 – kolumny, 1 – wiersze, domyślnie 0).
• skipna – czy pomijać wartości NaN (domyślnie True).

Zwracana wartość: Indeks maksymalnej wartości w danej osi.

Przykład zastosowania idxmax() na serii Pandas

Zacznijmy od prostego przykładu użycia na obiekcie Series:

import pandas as pd

# Tworzymy serię Pandas
data = pd.Series([10, 50, 30, 70, 20])

# Wyszukujemy indeks wartości maksymalnej
max_index = data.idxmax()

print("Indeks maksymalnej wartości:", max_index)

Wynik:

Indeks maksymalnej wartości: 3

W tym przypadku największa wartość to 70, która znajduje się pod indeksem 3.

Przykład zastosowania idxmax() w DataFrame

Teraz sprawdźmy, jak działa idxmax() w większym zbiorze danych.

import pandas as pd

# Tworzymy DataFrame
df = pd.DataFrame({
    'A': [10, 20, 30],
    'B': [5, 25, 15],
    'C': [40, 35, 50]
}, index=['x', 'y', 'z'])

# Znajdujemy indeksy maksymalnych wartości dla każdej kolumny
max_indices = df.idxmax()

print(max_indices)

Wynik:

	A	B	C
0	z	y	z

Oznacza to, że:

• Największa wartość w kolumnie A to 30, która znajduje się pod indeksem z.
• Największa wartość w kolumnie B to 25, znajdująca się pod indeksem y.
• Największa wartość w kolumnie C to 50, również pod indeksem z.

Obsługa wartości NaN w idxmax()

Co się stanie, jeśli w zbiorze znajdą się brakujące wartości (NaN)? Domyślnie funkcja je ignoruje, ale można to zmienić.

import pandas as pd
import numpy as np

# DataFrame z wartościami NaN
df2 = pd.DataFrame({
    'A': [10, np.nan, 30],
    'B': [5, np.nan, np.nan],
    'C': [40, 35, 50]
}, index=['x', 'y', 'z'])

# idxmax() bez pomijania NaN
max_indices_with_nan = df2.idxmax(skipna=False)

print(max_indices_with_nan)

Jeśli dana kolumna składa się tylko z NaN, wtedy zwracana wartość to NaN. Jednak jeśli są tam liczby, funkcja po prostu je ignoruje i wyszukuje największą z nich.

Kiedy warto używać idxmax()?

Funkcja idxmax() przydaje się w wielu scenariuszach, np.:

1. Gdy chcemy znaleźć osobę z najwyższym wynikiem w tabeli wyników.
2. W analizie finansowej – np. dzień, w którym akcje miały najwyższą cenę.
3. W analizie sportowej – identyfikacja zespołu z najwyższą liczbą punktów.
4. W analizie sprzedaży, np. który produkt miał najwyższą sprzedaż.

Podsumowanie

Funkcja idxmax() w Pandas jest szybkim i efektywnym sposobem na identyfikację indeksu największej wartości w serii danych. Działa zarówno dla Series, jak i DataFrame, a dodatkowo umożliwia kontrolowanie obsługi wartości brakujących.

Warto mieć ją w swoim arsenale, gdy pracuje się z dużymi zbiorami danych w Pythonie. Dzięki temu można szybko wyciągać wartościowe wnioski bez zbędnego iterowania po danych.

 

Inny ciekawy artykuł:

Jak działa pandas duplicated w języku Python? Przykład zastosowania