Bagaimana untuk Mencari Nilai Maksimum merentas Berbilang Lajur dalam Panda?

DDD
Lepaskan: 2024-10-17 20:51:30
asal
446 orang telah melayarinya

How to Find Maximum Values across Multiple Columns in Pandas?

Mencari Nilai Maksimum merentas Berbilang Lajur dalam Panda

Untuk menentukan nilai maksimum merentas berbilang lajur dalam DataFrame panda, pelbagai pendekatan boleh digunakan . Begini cara anda boleh mencapai ini:

Menggunakan Fungsi max() dengan Lajur Ditentukan

Kaedah ini melibatkan pemilihan lajur yang diingini secara eksplisit dan menggunakan fungsi max():

<code class="python">df[["A", "B"]]
df[["A", "B"]].max(axis=1)</code>
Salin selepas log masuk

Ini akan mencipta lajur baharu dengan nilai maksimum daripada lajur A dan B.

Menggunakan Fungsi max() dengan Semua Lajur

Jika anda pasti bahawa DataFrame mengandungi hanya lajur yang anda ingin cari maksimum, anda boleh menggunakan sintaks mudah berikut:

<code class="python">df.max(axis=1)</code>
Salin selepas log masuk

Ini akan mempertimbangkan semua lajur secara automatik dan mengeluarkan lajur dengan nilai maksimum.

Menggunakan Fungsi apply()

Sebagai alternatif, anda boleh menggunakan fungsi apply() dengan fungsi maks:

<code class="python">df.apply(max, axis=1)</code>
Salin selepas log masuk

Ini juga akan membuat lajur dengan nilai maksimum untuk setiap baris.

Contoh:

Mari kita menggambarkan pendekatan ini dengan contoh:

<code class="python">import pandas as pd

df = pd.DataFrame({"A": [1, 2, 3], "B": [-2, 8, 1]})

# Using max() with specified columns
df["C"] = df[["A", "B"]].max(axis=1)

# Using max() with all columns
df["D"] = df.max(axis=1)

# Using apply()
df["E"] = df.apply(max, axis=1)

print(df)</code>
Salin selepas log masuk

Output:

   A  B  C  D  E
0  1 -2  1  1  1
1  2  8  8  8  8
2  3  1  3  3  3
Salin selepas log masuk

Atas ialah kandungan terperinci Bagaimana untuk Mencari Nilai Maksimum merentas Berbilang Lajur dalam Panda?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:php
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan
Tentang kita Penafian Sitemap
Laman web PHP Cina:Latihan PHP dalam talian kebajikan awam,Bantu pelajar PHP berkembang dengan cepat!