在Pandas DataFrame中找到所有最大值的索引
问题内容：
我需要找到在Pandas DataFrame中获得最大值（每行）的所有索引。例如，如果我有一个像这样的dataFrame：
cat1 cat2 cat3
0 0 2 2
1 3 0 1
2 1 1 0
那么我正在寻找的方法将产生如下结果：
[['cat2', 'cat3'],
['cat1'],
['cat1', 'cat2']]
这是一个列表列表，但是其他数据结构也可以。
我不能使用df.idxmax(axis=1)，因为它只会产生第一个最大值。
问题答案：
以下是采用不同数据结构的信息：
In [8]: df = pd.DataFrame({'cat1':[0,3,1], 'cat2':[2,0,1], 'cat3':[2,1,0]})
In [9]: df
Out[9]:
cat1 cat2 cat3
0 0 2 2
1 3 0 1
2 1 1 0
[3 rows x 3 columns]
In [10]: rowmax = df.max(axis=1)
最大值由True值指示：
In [82]: df.values == rowmax[:,None]
Out[82]:
array([[False, True, True],
[ True, False, False],
[ True, True, False]], dtype=bool)
np.where
返回上面的DataFrame为True的索引。
In [84]: np.where(df.values == rowmax[:,None])
Out[84]: (array([0, 0, 1, 2, 2]), array([1, 2, 0, 0, 1]))
第一个数组指示的索引值axis=0，第二个数组指示的索引值axis=1。每个数组中有5个值，因为有五个位置为True。
您可以itertools.groupby用来构建发布的列表列表，尽管鉴于上述数据结构，也许您不需要这样做：
In [46]: import itertools as IT
In [47]: import operator
In [48]: idx = np.where(df.values == rowmax[:,None])
In [49]: groups = IT.groupby(zip(*idx), key=operator.itemgetter(0))
In [50]: [[df.columns[j] for i, j in grp] for k, grp in groups]
Out[50]: [['cat1', 'cat1'], ['cat2'], ['cat3', 'cat3']]
