Bagaimana untuk Menggabungkan Nilai Maksimum daripada Berbilang Lajur dalam DataFrame?

Patricia Arquette
Lepaskan: 2024-10-17 20:57:03
asal
161 orang telah melayarinya

How to Combine Maximum Values from Multiple Columns in a DataFrame?

Mendapatkan Nilai Maksimum daripada Berbilang Lajur DataFrame

Apabila bekerja dengan bingkai data, mempunyai lajur disatukan yang mengandungi nilai maksimum daripada berbilang lajur lain boleh menjadi berguna. Satu contoh sedemikian ialah mendapatkan nilai maksimum antara lajur A dan B, seperti yang digambarkan dalam contoh ini:

import pandas as pd

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

print("Original DataFrame:")
print(df)
Salin selepas log masuk

Matlamat kami ialah untuk mencipta lajur C baharu yang mengandungi nilai maksimum bagi setiap baris antara lajur A dan B . Untuk mencapai ini, kita boleh menggunakan langkah berikut:

print("\nMaximum values between A and B:")
df["C"] = df[["A", "B"]].max(axis=1)
print(df)
Salin selepas log masuk

Penjelasan:

  1. Kami mengambil nilai maksimum antara lajur A dan B untuk setiap baris menggunakan .max(axis=1) dan simpannya dalam lajur baharu bertajuk "C".
  2. Secara pilihan, kami juga boleh menggunakan .max(axis=1) terus pada bingkai data.
  3. Menggunakan .apply(maks, paksi=1) ialah satu lagi pendekatan yang berdaya maju.

Hasilnya, kami memperoleh bingkai data yang diubah suai dengan lajur "C" yang mengandungi nilai maksimum yang diingini:

Original DataFrame:
   A  B
0  1 -2
1  2  8
2  3  1

Maximum values between A and B:
   A  B  C
0  1 -2  1
1  2  8  8
2  3  1  3
Salin selepas log masuk

Atas ialah kandungan terperinci Bagaimana untuk Menggabungkan Nilai Maksimum daripada Berbilang Lajur dalam DataFrame?. 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
Artikel terbaru oleh pengarang
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!