質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

91.02%

  • Python 3.x

    4086questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • pandas

    356questions

    Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。

Pythonで配列の1行にあるn個の要素から大きい順に3個の値を抽出する

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 168

wiz_noise

score 4

Pythonで配列の1行にあるn個の要素から大きい順に3個の値を抽出する方法

初学者で、以下のようなデータで範囲を指定し、
処理前から処理後を抽出する方法はないかと思い、質問させていただきます。

(処理前)

S1(文字列) a b c d e f g h S2(文字列)
○○○○ 1 2 3 4 5 6 7 8 ○○○○
○○○○ 2 4 6 8 10 12 14 16 ○○○○

(処理後)

S1(文字列) 上位1 上位2 上位3 S2(文字列)
○○○○ 8 7 6 ○○○○
○○○○ 16 14 12 ○○○○

a~hまでは同種の要素で、処理後はカラム名を別に指定したいと考えております。
a~hまでは、同じ値にならない場合と考えております。

拙い質問で申し訳ありませんが、ご教示いただければと思います。
よろしくお願い致します。

試したこと

最大値を得られますので、
これとfor文を使って、抽出する方法があるかとは思うのですが・・・

補足情報(言語/FW/ツール等のバージョンなど)

Pythonは3.5.4を使用しています。
Pandasは0.21.0

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

checkベストアンサー

+3

書いてみました。こんな感じでどうでしょうか。

もう少しシンプルになって欲しいところ・・・

import pandas as pd

df = pd.DataFrame([['S1_1',1,2,3,4,5,6,7,8,'S2_1'],
                  ['S1_2',2,4,6,8,10,12,14,16,'S2_2']],
                  columns=['S1','a','b','c','d','e','f','g','h','S2'])
print(df)
#      S1  a  b  c  d   e   f   g   h    S2
# 0  S1_1  1  2  3  4   5   6   7   8  S2_1
# 1  S1_2  2  4  6  8  10  12  14  16  S2_2

rank = df.iloc[:,1:9].apply(lambda s:s.sort_values(ascending=False)[:3].reset_index(drop=True), axis=1)
rank.columns = ['R1', 'R2', 'R3']
res = pd.concat([df['S1'], rank, df['S2']], axis=1)

print(res)
#      S1  R1  R2  R2    S2
# 0  S1_1   8   7   6  S2_1
# 1  S1_2  16  14  12  S2_2

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/11/17 11:18

    細かいかもしれませんが、少しインデックスがずれています。
    rank = df.iloc[:,1:8].apply(lambda s:s.sort_values(ascending=False)[:3].res

    rank = df.iloc[:,1:9].apply(lambda s:s.sort_values(ascending=False)[:3].res

    キャンセル

  • 2017/11/17 11:21

    おっホントだ
    結果も間違ってる・・・・
    指摘、有り難うございました。直しておきます。

    キャンセル

  • 2017/11/17 16:05

    magicchanさんご回答ありがとうございます。質問に沿った回答で大変助かりました。

    キャンセル

+2

こんな感じではどうでしょう。

import numpy as np
import pandas as pd

r = np.random.randint(10, size=(10, 5))
df = pd.DataFrame(r)

N = 3
c = df.loc[0, :].nlargest(N)

print('DataFrame')
print(df)
print('FirstRow')
print(df.loc[0, :])
print('LargestNInFirstRow')
print(c)
print('NewDataFrame')
print(df.loc[:, c.index])

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 91.02%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • Python 3.x

    4086questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • pandas

    356questions

    Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。