Знайдіть максимум дві або більше колонки з пандами

У мене є dataframe з колонами A, B. Мені потрібно створити такий стовпець C, щоб для кожного запису / рядка:

C = max(A, B).

Як мені робити це?

Ви можете отримати максимум так:

>>> import pandas as pd
>>> df = pd.DataFrame({"A": [1,2,3], "B": [-2, 8, 1]})
>>> df
   A  B
0  1 -2
1  2  8
2  3  1
>>> df[["A", "B"]]
   A  B
0  1 -2
1  2  8
2  3  1
>>> df[["A", "B"]].max(axis=1)
0    1
1    8
2    3

і так:

>>> df["C"] = df[["A", "B"]].max(axis=1)
>>> df
   A  B  C
0  1 -2  1
1  2  8  8
2  3  1  3

Якщо ви знаєте, що "А" та "В" - це єдині стовпці, то навіть можна піти

>>> df["C"] = df.max(axis=1)

І ви могли б також скористатися .apply(max, axis=1), я думаю.

Відповідь @ DSM чудово відповідає практично будь-якому звичайному сценарію. Але якщо ви той тип програміста, який хоче заглибитися трохи глибше рівня поверхні, вам може бути цікаво знати, що трохи швидше викликати функції numpy в базовому масиві .to_numpy()(або .valuesдля <0,24), а не безпосередньо виклик (цитонізованих) функцій, визначених для об'єктів DataFrame / Series.

Наприклад, ви можете використовувати ndarray.max()вздовж першої осі.

# Data borrowed from @DSM's post.
df = pd.DataFrame({"A": [1,2,3], "B": [-2, 8, 1]})
df
   A  B
0  1 -2
1  2  8
2  3  1

df['C'] = df[['A', 'B']].values.max(1)
# Or, assuming "A" and "B" are the only columns, 
# df['C'] = df.values.max(1) 
df

   A  B  C
0  1 -2  1
1  2  8  8
2  3  1  3 

Якщо у ваших даних є NaNs, вам знадобиться numpy.nanmax:

df['C'] = np.nanmax(df.values, axis=1)
df

   A  B  C
0  1 -2  1
1  2  8  8
2  3  1  3 

Ви також можете використовувати numpy.maximum.reduce. numpy.maximumє ufunc (універсальна функція) , і кожен ufunc маєreduce :

df['C'] = np.maximum.reduce(df['A', 'B']].values, axis=1)
# df['C'] = np.maximum.reduce(df[['A', 'B']], axis=1)
# df['C'] = np.maximum.reduce(df, axis=1)
df

   A  B  C
0  1 -2  1
1  2  8  8
2  3  1  3

np.maximum.reduceі np.maxздаються більш-менш однаковими (для більшості кадрів даних нормального розміру) - і трапляються на відтінок швидше, ніж DataFrame.max. Я думаю, ця різниця приблизно залишається постійною і пов'язана з внутрішніми накладними витратами (вирівнювання індексування, обробка NaNs тощо).

Графік був сформований за допомогою perfplot . Бенчмаркінг-код, для довідки:

import pandas as pd
import perfplot

np.random.seed(0)
df_ = pd.DataFrame(np.random.randn(5, 1000))

perfplot.show(
    setup=lambda n: pd.concat([df_] * n, ignore_index=True),
    kernels=[
        lambda df: df.assign(new=df.max(axis=1)),
        lambda df: df.assign(new=df.values.max(1)),
        lambda df: df.assign(new=np.nanmax(df.values, axis=1)),
        lambda df: df.assign(new=np.maximum.reduce(df.values, axis=1)),
    ],
    labels=['df.max', 'np.max', 'np.maximum.reduce', 'np.nanmax'],
    n_range=[2**k for k in range(0, 15)],
    xlabel='N (* len(df))',
    logx=True,
    logy=True)