Python Pandas DataFrame max方法用法及代码示例

例子

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[2,3], "B":[4,5]})
df



   A  B
0  2  4
1  3  5

列最大值

要计算每列的最大值：

df.max()   # or axis=0



A    3
B    5
dtype: int64

行方向最大值

要计算每行的最大值，请设置 axis=1 ：

df.max(axis=1)



0    4
1    5
dtype: int64

指定skipna

考虑以下带有缺失值的DataFrame：

df = pd.DataFrame({"A":[4,pd.np.nan]})
df



   A
0  4.0
1  NaN

默认情况下， skipna=True ，这意味着缺失值将被忽略：

df.max()   # skipna=True



A    4.0
dtype: float64

考虑缺失值：

df.max(skipna=False)



A   NaN
dtype: float64

请注意，包含缺失值的行/列的最大值将为 NaN 。

指定numeric_only

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[4,5], "B":[2,True], "C":["6",False]})
df



   A  B     C
0  4  2     "6"
1  5  True  False

此处， B 和 C 列都包含混合类型，但主要区别在于最大值是为 B 定义的，而不是为 C 定义的。计算最大值需要明确定义类型之间的比较运算符( < 和 > )。

回想一下，True 布尔值的内部表示是 1 ，因此定义了操作 2>True：

2 > True



True

另一方面，"6">False 抛出错误：

"6" > False



TypeError: '>' not supported between instances of 'str' and 'bool'

None

默认情况下， numeric_only=None ，这意味着混合类型的行/列也会被考虑：

df.max(numeric_only=None)



A    5
B    2
dtype: int64

在这里，请注意如何计算列的最大值B，但不适合C。通过传入None，无法计算最大值的行/列(由于未定义<和>类型之间)将被简单地忽略不会引发错误.

False

通过设置 numeric_only=False ，将再次考虑混合类型的行/列，但当无法计算最大值时会抛出错误：

df.max(numeric_only=False)



TypeError: '<=' not supported between instances of 'str' and 'bool'

在这里，我们最终得到一个错误，因为 C 列包含混合类型，其中 < 操作未定义。

True

通过设置 numeric_only=True ，仅考虑数字行/列：

df.max(numeric_only=True)



A    5
dtype: int64

请注意，B 和 C 列这次被忽略，因为它们包含非数字类型。