2

我有四列的值：“A”、“B”、“C”和“D”，一列包含四个字母中的任何一个。

           Letter    A    B  C    D           max
12063289        D    5    9  0   39             0
12063290        D    3    25 0   79             0
12063291        B    0  232  0    0             0
12063292        A  351    0  0    0             0
12063293        D    0    0  0  394             0

根据字母列的值，我想计算其他三列的最大值。

           Letter    A    B  C    D           max
12063289        D    5    9  0   39             9
12063290        D    3    25 0   79             25
12063291        B    0  232  0   16             16
12063292        A  351    0  200  0             200
12063293        D    0    0  0  394             0

假设上述数据存储在变量 df 中，我尝试执行以下操作：

import numpy as np
import pandas as pd

columns = {'A':['B','C','D'], 
          'B':['A','C','D'],  
          'C':['A','B','D'],
          'D':['A','B','C']}
for letter in ['A', 'B', 'C', 'D']:
    mask = df.loc[df['Letter']==letter]
    np.max(df[mask][columns[letter]], out=df[mask]['max'])

我基本上希望 max 函数仅在屏蔽数据帧的相关列上工作，并在正确的位置写回原始数据帧 (df) 的“max”列，但 pandas 在最后一行抱怨：

ValueError: Must pass DataFrame with boolean values only

问题是我如何准确定位这些行的那些单元格以接收 max() 函数的输出，以便不使用不必要的空间（我可以使用 apply 函数来做到这一点，但它占用了我不使用的大量空间没有）。

4

1 回答 1

1

apply 

cols = list('ABCD')
df.apply(lambda x: x.loc[cols].drop(x.Letter).max(), 1)

12063289      9
12063290     25
12063291     16
12063292    200
12063293      0
dtype: int64

set_index+ query+groupby 

d1 = df.set_index(
    'Letter', append=True
)[list('ABCD')].rename_axis('Col', 1).stack().to_frame('value')
d1.query('Letter != Col').groupby(level=0).value.max()

12063289      9
12063290     25
12063291     16
12063292    200
12063293      0
dtype: int64
于 2017-01-27T23:09:12.070 回答