Rumah pembangunan bahagian belakang Tutorial Python Bagaimana untuk Mencari Nilai Maksimum Merentasi Berbilang Lajur dalam Bingkai Data Pandas?

Bagaimana untuk Mencari Nilai Maksimum Merentasi Berbilang Lajur dalam Bingkai Data Pandas?

Oct 17, 2024 pm 08:54 PM

How to Find the Maximum Value Across Multiple Columns in a Pandas DataFrame?

Mencari Maksimum Berbilang Lajur dalam Pandas DataFrames

Dalam analisis data, mencari nilai maksimum merentas berbilang lajur ialah tugas biasa. Dalam Python, pustaka Pandas menyediakan kaedah yang cekap untuk melaksanakan operasi sedemikian.

Pernyataan Masalah:

Andaikan anda mempunyai DataFrame dengan lajur A dan B, dan anda perlu buat lajur C baharu dengan setiap nilai ialah maksimum nilai yang sepadan dalam lajur A dan B.

Penyelesaian:

Menggunakan Panda, anda boleh mengira maksimum dengan mudah daripada berbilang lajur menggunakan fungsi maks. Langkah berikut menggariskan cara membuat lajur C:

  1. Import Perpustakaan Panda:
import pandas as pd
Salin selepas log masuk
  1. Buat DataFrame:

Buat DataFrame dengan lajur A dan B. Contohnya:

df = pd.DataFrame({"A": [1, 2, 3], "B": [-2, 8, 1]})
Salin selepas log masuk
  1. Kira Maksimum:

Gunakan fungsi maks pada lajur yang anda ingin bandingkan dan tentukan axis=1 untuk mengira maksimum bagi setiap baris:

max_values = df[["A", "B"]].max(axis=1)
Salin selepas log masuk
  1. Buat yang Baharu Lajur:

Tambahkan nilai maksimum yang dikira sebagai lajur C baharu pada DataFrame:

df["C"] = max_values
Salin selepas log masuk

DataFrame df yang terhasil kini akan mempunyai tiga lajur: A, B , dan C, dengan lajur C mengandungi maksimum nilai A dan B yang sepadan.

Penyelesaian Ringkas (untuk dua lajur sahaja):

Jika anda hanya mempunyai dua lajur untuk dibandingkan, anda boleh menggunakan versi ringkas penyelesaian di atas:

df["C"] = df.max(axis=1)
Salin selepas log masuk

Ini mengandaikan bahawa lajur A dan B ialah satu-satunya lajur dalam DataFrame.

Nota Tambahan :

  • Anda juga boleh menggunakan fungsi apply(maks, paksi=1) untuk mencapai hasil yang sama.
  • Jika anda mempunyai lebih daripada dua lajur untuk dibandingkan, anda boleh menentukannya dalam senarai parameter fungsi maks.

Atas ialah kandungan terperinci Bagaimana untuk Mencari Nilai Maksimum Merentasi Berbilang Lajur dalam Bingkai Data Pandas?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China 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

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Tutorial Java
1655
14
Tutorial PHP
1252
29
Tutorial C#
1226
24
Python vs C: Aplikasi dan kes penggunaan dibandingkan Python vs C: Aplikasi dan kes penggunaan dibandingkan Apr 12, 2025 am 12:01 AM

Python sesuai untuk sains data, pembangunan web dan tugas automasi, manakala C sesuai untuk pengaturcaraan sistem, pembangunan permainan dan sistem tertanam. Python terkenal dengan kesederhanaan dan ekosistem yang kuat, manakala C dikenali dengan keupayaan kawalan dan keupayaan kawalan yang mendasari.

Python: Permainan, GUI, dan banyak lagi Python: Permainan, GUI, dan banyak lagi Apr 13, 2025 am 12:14 AM

Python cemerlang dalam permainan dan pembangunan GUI. 1) Pembangunan permainan menggunakan pygame, menyediakan lukisan, audio dan fungsi lain, yang sesuai untuk membuat permainan 2D. 2) Pembangunan GUI boleh memilih tkinter atau pyqt. TKInter adalah mudah dan mudah digunakan, PYQT mempunyai fungsi yang kaya dan sesuai untuk pembangunan profesional.

Berapa banyak python yang boleh anda pelajari dalam 2 jam? Berapa banyak python yang boleh anda pelajari dalam 2 jam? Apr 09, 2025 pm 04:33 PM

Anda boleh mempelajari asas -asas Python dalam masa dua jam. 1. Belajar pembolehubah dan jenis data, 2. Struktur kawalan induk seperti jika pernyataan dan gelung, 3 memahami definisi dan penggunaan fungsi. Ini akan membantu anda mula menulis program python mudah.

Rancangan Python 2 jam: Pendekatan yang realistik Rancangan Python 2 jam: Pendekatan yang realistik Apr 11, 2025 am 12:04 AM

Anda boleh mempelajari konsep pengaturcaraan asas dan kemahiran Python dalam masa 2 jam. 1. Belajar Pembolehubah dan Jenis Data, 2.

Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Apr 19, 2025 am 12:20 AM

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Python: meneroka aplikasi utamanya Python: meneroka aplikasi utamanya Apr 10, 2025 am 09:41 AM

Python digunakan secara meluas dalam bidang pembangunan web, sains data, pembelajaran mesin, automasi dan skrip. 1) Dalam pembangunan web, kerangka Django dan Flask memudahkan proses pembangunan. 2) Dalam bidang sains data dan pembelajaran mesin, numpy, panda, scikit-learn dan perpustakaan tensorflow memberikan sokongan yang kuat. 3) Dari segi automasi dan skrip, Python sesuai untuk tugas -tugas seperti ujian automatik dan pengurusan sistem.

Python dan Masa: Memanfaatkan masa belajar anda Python dan Masa: Memanfaatkan masa belajar anda Apr 14, 2025 am 12:02 AM

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python: Automasi, skrip, dan pengurusan tugas Python: Automasi, skrip, dan pengurusan tugas Apr 16, 2025 am 12:14 AM

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

See all articles