python - 从不同列中取最大绝对值并过滤掉 NaN Python

Question

这是我的尝试。例如

df = pd.DataFrame({'a':[5,0,1,np.nan], 'b':[np.nan,1,4,3], 'c':[-3,-2,0,0]})
df.dropna(axis=1).max(axis=1,key=abs)

过滤掉NaN值，但它得到 0 或负值，而不是绝对值的最高值

结果应该是一列

5
-2
4
3

Answer 1

我解决了

maxCol=lambda x: max(x.min(), x.max(), key=abs)
df.apply(maxCol,axis=1)

Answer 2

您可以np.nanargmax在平方数据上使用：

>>> df.values[range(df.shape[0]),np.nanargmax(df**2,axis=1)]
array([ 5., -2.,  4.,  3.])

Answer 3

最直接有效的方法是转换成绝对值，然后求最大值。Pandas 通过简单的语法（ abs和max ）支持这一点，并且不需要昂贵的应用操作：

df.abs().max()

max()接受一个axis参数，该参数可用于指定是计算行还是列的最大值。

Answer 4

df = df.fillna(0)
l = df.abs().values.argmax(axis=1)
pd.Series([df.values[i][l[i]] for i in range(len(df.values))])

In [532]: pd.Series([df.values[i][l[i]] for i in range(len(df.values))])
Out[532]:
0    5
1   -2
2    4
3    3
dtype: float64

一个班轮：

pd.Series([df.values[i][df.fillna(0).abs().values.argmax(axis=1)[i]] for i in range(len(df.values))])

Answer 5

由于我的声誉得分较低，我想在此处添加gis20的答案和 Andrew Hamel 关于绝对最小值的问题：

minCol=lambda x: min(x, key=abs)
minCol=lambda x: min([abs(value) for value in x])  

适用于我的数据，但是，它无法处理 np.nan 的。