我有一个带有列的数据框A
,B
。我需要C
为每条记录/行创建一个列:
C = max(A, B)
.
我该怎么做呢?
您可以像这样获得最大值:
>>> import pandas as pd
>>> df = pd.DataFrame({"A": [1,2,3], "B": [-2, 8, 1]})
>>> df
A B
0 1 -2
1 2 8
2 3 1
>>> df[["A", "B"]]
A B
0 1 -2
1 2 8
2 3 1
>>> df[["A", "B"]].max(axis=1)
0 1
1 8
2 3
所以:
>>> df["C"] = df[["A", "B"]].max(axis=1)
>>> df
A B C
0 1 -2 1
1 2 8 8
2 3 1 3
如果您知道“A”和“B”是唯一的列,您甚至可以逃脱
>>> df["C"] = df.max(axis=1)
.apply(max, axis=1)
我猜你也可以使用。
@DSM 的答案在几乎任何正常情况下都很好。但是如果你是那种想要比表面更深入一点的程序员,你可能有兴趣知道在底层.to_numpy()
(或.values
<0.24)数组上调用 numpy 函数比直接调用要快一些调用在 DataFrame/Series 对象上定义的(cythonized)函数。
例如,您可以ndarray.max()
沿第一个轴使用。
# Data borrowed from @DSM's post.
df = pd.DataFrame({"A": [1,2,3], "B": [-2, 8, 1]})
df
A B
0 1 -2
1 2 8
2 3 1
df['C'] = df[['A', 'B']].values.max(1)
# Or, assuming "A" and "B" are the only columns,
# df['C'] = df.values.max(1)
df
A B C
0 1 -2 1
1 2 8 8
2 3 1 3
如果您的数据有NaN
s,您将需要numpy.nanmax
:
df['C'] = np.nanmax(df.values, axis=1)
df
A B C
0 1 -2 1
1 2 8 8
2 3 1 3
您也可以使用numpy.maximum.reduce
. numpy.maximum
是一个ufunc(通用函数),每个 ufunc 都有一个reduce
:
df['C'] = np.maximum.reduce(df['A', 'B']].values, axis=1)
# df['C'] = np.maximum.reduce(df[['A', 'B']], axis=1)
# df['C'] = np.maximum.reduce(df, axis=1)
df
A B C
0 1 -2 1
1 2 8 8
2 3 1 3
np.maximum.reduce
并且np.max
看起来或多或少相同(对于大多数正常大小的 DataFrames)——并且恰好比DataFrame.max
. 我想这种差异大致保持不变,并且是由于内部开销(索引对齐、处理 NaN 等)。
该图是使用perfplot生成的。基准代码,供参考:
import pandas as pd
import perfplot
np.random.seed(0)
df_ = pd.DataFrame(np.random.randn(5, 1000))
perfplot.show(
setup=lambda n: pd.concat([df_] * n, ignore_index=True),
kernels=[
lambda df: df.assign(new=df.max(axis=1)),
lambda df: df.assign(new=df.values.max(1)),
lambda df: df.assign(new=np.nanmax(df.values, axis=1)),
lambda df: df.assign(new=np.maximum.reduce(df.values, axis=1)),
],
labels=['df.max', 'np.max', 'np.maximum.reduce', 'np.nanmax'],
n_range=[2**k for k in range(0, 15)],
xlabel='N (* len(df))',
logx=True,
logy=True)
在多个列中找到最大值将是:
df[['A','B']].max(axis=1).max(axis=0)
例子:
df =
A B
timestamp
2019-11-20 07:00:16 14.037880 15.217879
2019-11-20 07:01:03 14.515359 15.878632
2019-11-20 07:01:33 15.056502 16.309152
2019-11-20 07:02:03 15.533981 16.740607
2019-11-20 07:02:34 17.221073 17.195145
print(df[['A','B']].max(axis=1).max(axis=0))
17.221073