Finden Sie die maximal zwei oder mehr Spalten mit pandas

Ich habe einen dataframe mit den Spalten A,B. Ich brauche zum erstellen einer Spalte C so dass für jeden Datensatz /Zeile:

C = max(A, B).

Wie gehe ich dabei vor?

Dank.

InformationsquelleAutor Navneet | 2012-08-28

111

Können Sie die maximale wie diese:

>>> 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

und so:

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

Wenn Sie wissen, dass "A" und "B" sind die einzigen Spalten, Sie könnten auch Weg mit

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

Und könnten Sie .apply(max, axis=1) auch, denke ich.

InformationsquelleAutor DSM

@DSM ' s Antwort ist völlig in Ordnung, in fast jedem normalen Szenario. Aber wenn Sie der Typ, der Programmierer, der gehen will, muss ein wenig tiefer als die Ebene Oberfläche, die Sie möglicherweise interessieren, zu wissen, dass es ein wenig schneller zu rufen numpy-Funktionen der zugrunde liegenden .to_numpy() (oder .values für <0.24) array, anstatt direkt den Aufruf der (cythonized) definierten Funktionen auf der DataFrame/Serie Objekten.

Zum Beispiel, können Sie ndarray.max() entlang der ersten Achse.

# 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

Wenn Ihre Daten hat NaNs, müssen Sie 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

Können Sie auch numpy.maximum.reduce. numpy.maximum ist ein ufunc (Universal Funktion), und jeder ufunc hat eine reduzieren:

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

Finden Sie die maximal zwei oder mehr Spalten mit pandas

np.maximum.reduce und np.max zu sein scheinen mehr oder weniger das gleiche (für die meisten normale Größe DataFrames)—und zufällig auch ein Schatten-schneller als DataFrame.max. Ich Stelle mir diesen Unterschied in etwa konstant bleibt, und ist aufgrund der internen Aufwand (Indizierung Ausrichtung, Umgang mit NaN, etc.).

Die Grafik wurde erzeugt mit perfplot. Benchmarking-code, Referenz:

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)

InformationsquelleAutor cs95

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.