我的數據框是 - Metric Value Model0 Accuracy 87.608760 Logistic_Regression1 Neg_log_loss -0.332951 Logistic_Regression2 F1_measure 0.854182 Logistic_Regression3 AUC 0.927378 Logistic_Regression4 Precision 0.871396 Logistic_Regression5 Recall 0.837687 Logistic_Regression6 Accuracy 96.433245 Random_Forest7 Neg_log_loss -0.105780 Random_Forest8 F1_measure 0.958133 Random_Forest9 AUC 0.994008 Random_Forest10 Precision 0.974733 Random_Forest11 Recall 0.942097 Random_Forest12 Accuracy 84.836008 Naive_Bayes13 Neg_log_loss -0.917701 Naive_Bayes14 F1_measure 0.823289 Naive_Bayes15 AUC 0.915744 Naive_Bayes16 Precision 0.831528 Naive_Bayes17 Recall 0.815300 Naive_Bayesmetric ='AUC'現在我想選擇 Metric 列（'AUC'）最高的模型。在這種情況下，它將打印 model_nameRandom_Forest
4 回答
MM們
TA貢獻1886條經驗 獲得超2個贊
使用，Series.eq創建一個布爾掩碼，然后使用此掩碼以及Series.idxmax獲取指標所在index列中的最大值，最后使用此索引獲取相應的：ValueAUCModel
ind =df.loc[df['Metric'].eq('AUC'), 'Value'].idxmax()
model = df.loc[ind, 'Model']
結果：
print(model)
'Random_Forest'
拉丁的傳說
TA貢獻1789條經驗 獲得超8個贊
除了其他答案，您還可以考慮df按max()所有'Metric'行對您進行分組：
df.groupby(['Metric'], as_index=False)['Value','Model'].max()
然后你也可以.query()為“AUC”指標的“模型”列：
df.groupby(['Metric'], as_index=False)['Value','Model'].max().query('Metric == "AUC"')['Model']
慕妹3146593
TA貢獻1820條經驗 獲得超9個贊
干得好：
df.loc[df.Metric == 'AUC', ['Value', 'Model']].max()['Model']
## -- End pasted text --
Out[1]: 'Random_Forest'
慕容森
TA貢獻1853條經驗 獲得超18個贊
如果你想用基礎知識來做，那么：
empty_value_list=[]
for i,j in zip(df['Metric'],df['Value']):
if i=='AUC':
empty_value_list.append(j)
max_value=max(empty_value_list)
for i,j,k in zip(df['Metric'],df['Value'],df['Model'])
if i=='AUC' and j==max_value:
print(k)
Out[1]: 'Random_Forest'
添加回答
舉報
0/150
提交
取消