Pandalarla en fazla iki veya daha fazla sütunu bulun

Sütunları Aolan bir veri çerçevem ​​var B. CHer kayıt / satır için bir sütun oluşturmam gerekiyor :

C = max(A, B).

Bunu nasıl yapmalıyım?

Maksimumu şu şekilde alabilirsiniz:

>>> 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

ve bu yüzden:

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

"A" ve "B" nin tek sütun olduğunu bilirseniz,

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

Ve sen de kullanabilirsin .apply(max, axis=1), sanırım.

@ DSM'nin cevabı neredeyse her normal senaryoda mükemmel. Ancak, yüzey seviyesinden biraz daha derine inmek isteyen bir programcıysanız , doğrudan yerine altta yatan .to_numpy()(veya .values<0.24 için) dizideki numpy işlevlerini çağırmanın biraz daha hızlı olduğunu bilmek ilginizi çekebilir. DataFrame / Series nesnelerinde tanımlanan (cythonized) işlevleri çağırmak.

Örneğin ndarray.max(), birinci eksen boyunca kullanabilirsiniz .

# 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 

Verilerinizde ' NaNler varsa, şunlara ihtiyacınız olacak 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 

Ayrıca kullanabilirsiniz numpy.maximum.reduce. numpy.maximumbir ufunc (Evrensel İşlev) 'dir ve her ufunc'un birreduce :

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.reduceve np.maxaşağı yukarı aynı görünür (çoğu normal boyutlu DataFrame için) - ve bundan daha hızlı bir gölge olur DataFrame.max. Bu farkın kabaca sabit kaldığını ve dahili ek yükten kaynaklandığını düşünüyorum (indeksleme hizalaması, NaN'leri işleme, vb.).

Grafik, performans grafiği kullanılarak oluşturulmuştur . Referans için kıyaslama kodu:

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)