Python Pandas Series.argmax()

Pandas系列是一个带有轴标签的一维ndarray。标签不需要是唯一的，但必须是一个可散列的类型。该对象支持基于整数和标签的索引，并提供了大量的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。

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

Parameter :
skipna : 排除NA/null值。如果整个系列是NA，结果将是NA。
axis：为了与DataFrame.idxmax兼容。在系列上的应用是多余的。
*args, **kwargs :附加的关键字没有任何作用，但为了与NumPy兼容，可能会被接受。

返回： idxmax : 最大值的索引。

示例#1：使用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([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()函数来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()函数已经成功地返回了给定系列对象中最大值的行标签。

示例#2 :使用Series.argmax()函数来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()函数来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()函数已经成功地返回了给定系列对象中最大值的行标签。